伴随着教育改革的推进,远程教育、在线教育、公开课、远程答辩……这样的教学方式变得越来越常见,而IT技术尤其是视频协作技术的进步,使得这些新兴教学方式成为了可能。
当然,对于高校来说,视频协作绝不仅限于教学领域,在科研、行政、会议、培训等各种场合都可以借助远程视频会议系统,来提高运作效率,降低成本。
最近,在思科公司和城云科技的支持下,浙江大学通过视频交互系统实现了多校区教学、国际教学科研活动、校企科研协同、跨校区行政会议等多种应用场景的视频协作,大大提高了教学运行效率和管理效率。
让天涯从此咫尺
浙江大学的视频协作应用开始于2013年,当时只在校内应用,后来逐步扩大到教学、科研和后勤服务等领域。
城云科技成立于2012年,是专注于云计算行业的国际化高科技企业,其使命是为城市、企业和每一个人提供随时、随地、随享的云服务。视频协作云平台是城云科技采用思科技术自主研发的全方位云服务运营平台,为用户提供视频协作云服务、中小企业云服务、特色城市云服务等全方位的云应用服务。
浙江大学的教育视频云是利用思科的视频通讯技术,基于硬件MCU技术搭建的视频交互云平台,支持20路1080P并发,线下采用思科各种硬件终端和视频软件,由城云科技负责运维和管理。该平台根据教育行业的特点,来定位服务标准,形成服务模式,尤其在服务形式上要求更灵活、更便捷、更持续。
以前学生只能在本校听课,能享受到的教育资源非常有限。通过这一视频云平台,校际之间可以联合开展同时异地课程、SPOC课程、公开课直播等,共享更多的教育资源。而且,浙江大学还通过该系统召开多校区视频会议、远程国际学术交流、远程答辩等,大大节约了老师的时间和差旅成本。
多种接入方式保护投资
在建设该系统之前,浙江大学有些院系和部门已经采购了一些视频会议系统和终端设备。通过城云科技视频云平台,这些已有投资得到了最大程度的保护。
该平台不仅支持各种类型、各种操作系统的终端设备,而且支持各家厂家的各种协议。这样,原有终端设备仍旧可以在新的视频云平台中使用。同时,该平台也可以通过3G/4G、PSTN、IP/VPN、互联网等各种网络进行连接,网络接入端的投资也得到了保护。
因此,浙江大学一些院系和部门可以根据自身的情况选择不同的接入方式。而针对不同的应用场景,该平台能够提供不同的解决方案和服务。
在远程教学中,实现了多点同步教学,学员可到各学习中心、学习点参加课程,并能够实现师生实时互动。
通过该平台,浙江大学实现了与国内外高校之间的课程共享。该场景由于对体验要求高,因此采用固定视频教室的方式,实现互动,并对精品课程进行录制存档。
在科研学术应用中,不同的项目小组人员,则可以通过视频会议室、Webex、移动终端、桌面终端等不同方式接入,而电子白板的接入更是方便了现场书写、修改。
名师讲座,也可以通过该平台进行网络直播。除了分会场外,观众还可以通过校园网、互联网等通过各种终端设备在线收看。
向更多高校推广
视频协作云平台的投入使用,给浙江大学的教学、科研、行政管理等各个方面带来了很大的变化,教师与学生都成为受益者。
在教学方面,以前学生大多限于本校区听课,跨校区上课让老师和学生疲于奔波。采用本方案后,学校开展教学改革,与多所高校开展同时异地公开课50余次,参与师生50000多人次。让学生不出校门,即刻聆听名校名师的课程,更让贫困边远地区的学生享有同样的机会学习先进的知识。
在会议应用方面,浙江大学力求推行视频会议形式,努力减少参会人员路上奔波的成本;据初步估计,有的老师在路上来回需要花费2.5个小时。截至2016年4月,学校举办跨校区大型会议30余次,最大的一次会议设立14个分会场,参会人数达10000余人,良好的会议效果,为视频协作云在跨校区会议的应用树立了典范。
在学术科研方面,近几年学校师生在对外科研活动中增加视频沟通方式,大大减少了交流成本和提升沟通效率。据不完全统计,截至目前共支持重大科研交流20余场。
在校园讲座方面,再也不会受限于场地大小,大家可以通过网络直播直接观看,极大的丰富了师生的文化生活。
如今,思科与城云科技正进一步探索业务新模式,加强与高校合作,建设一个更好的视频协作平台,协助高校提升信息化水准,使IT真正成为教学科研和行政办公的重要引领支撑力量,真切为师生员工带来全新的体验。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。