教育部下发的教育信息化十年发展规划中明确指出,要通过信息技术与教育全面深度融合,促进教育的创新、改革和发展。西安电子科技大学(以下简称:西电)十分重视高校信息化建设,在近日召开的2017高校信息技术融合应用研讨会上,西安电子科技大学副校长杨银堂指出,一流的大学建设,一流的人才培养,离不开一流的信息化建设。
为了加快推进信息化的支撑与保障作用,研讨会期间,西电与新华三签署智慧校园共建项目合作备忘录,双方将在校园大数据平台、物联网平台、云计算平台、信息安全建设及应用实践等领域开展广泛的合作。
(新华三中国区副总裁、教育系统部总监 徐继恒)
此外,西电还是新华三与教育部科技发展中心联合设立的“云数融合,科教创新”基金的其中一所落地高校,并在产学研方面进行深度合作。新华三中国区副总裁、教育系统部总监徐继恒在接受媒体采访时表示,新华三与西电的合作已经有15年左右的时间。凭借在教育领域的努力和投入,新华三新IT解决方案已经服务于2400多所高校和科研院所,教育也是新华三做得比较好的几个行业之一。
(西安电子科技大学信息化建设处处长 张玉振)
西安电子科技大学信息化建设处处长张玉振指出,双方的合作历程大致分为三个方面:第一是学校的信息化建设,新华三作为国内领先的IT厂商,他们的产品和方案大量应用于学校的信息化服务环境中,包括学校的校园网络,尤其是新华三为学校提供了全网无线部署解决方案,近年在大数据、物联网等一些新的领域也进行了深入合作。第二方面是科研上的合作,学校老师有很多新思想新理论,新华三有实际应用实践,理论和实践结合使我们的老师跟新华三在很多领域上有深度的合作。第三方面就是学生人才培养的合作,新华三提供优质的就业岗位,优先接收西电的优秀毕业生,同时新华三积极参与学校创新人才培养,将新技术落地到学校形成课程,支持学生实习实践。
作为智慧校园的重要承载平台,西电下一步将和新华三在物联网方面进行深入合作,张玉振指出,“我们希望利用新华三的物联网整体解决方案,把学校的人和物联接起来。”据介绍,新华三推出了高校物联网解决方案,在校园终端层面实现多类型终端对接,校园网络(WiFi及LoRa等)实现数据传输,平台层面对终端进行管理和监控,以及提供基于物联网的校园应用。
西电率先试点新华三校园物联网解决方案,将为其在校园资产管理、能效管理等方面发挥作用,根据方案学校将逐步进行基础能源设备感知升级,最终实现把每一个宿舍、每一间教室、每一个办公室的水电表、重要设备等进行实时监测,反馈数据并汇总,了解能源消耗规律、资产利用状态,从而实现科学化管理。
张玉振指出,西电联合新华三搭建起学校的大数据平台,融合结构化、非结构化、日志等数据的集中管理利用,支撑综合校情、科研、师资队伍、学生管理等多方面大数据分析。下一步,西电将进一步融合物联网、大数据等技术,实现校园空间内建筑物、仪器设备、重要资产、人员等的网格化智能化管理和精细化服务。
张玉振将西电的教育信息化建设成效形容为“2个基础、N个平台、M个应用和1个保障。”具体包括2个网络基础和IDC基础,物联平台、大数据平台、空间管理、移动服务等N个平台,人事管理、教育教学、科研服务、评估评价、分析决策等M个应用,以及1个安全与运维保障。
在平台方面,西电将推进“大平台、轻应用、微服务”模式建设开放智慧校园生态环境,面向角色和业务流程实行“模块化服务”改造。张玉振将“强基础、建平台、促应用、全保障”总结为西电的持续教育信息化改造之路。
在徐继恒看来,高校信息化智慧校园的着力点在于如何利用云计算、大数据和物联网技术提升使用效率,提升决策。高校信息化的建设重点在于流程再造和应用搭建,新华三和西电将在此方面深入实践探索,以服务于高校的智慧教学、智慧科研、智慧管理。
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。