教育部《国家教育事业发展第十二个五年规划》和《教育信息化十年发展规划(2011-2020年)》中提出,到2020年基本实现教育信息化,而以“教育管理公共服务平台、教育资源公共服务平台和宽带网络校校通、优质资源班班通、网络空间人人通”为核心的“三通两平台”则是我国教育信息化建设的重要内容。
哈尔滨市教育局提出以“互联网+”思维加快转变教育改革和发展理念,搭建先进、高效、便利的教学服务环境。加大基础设施建设力度,用互联网平台思维建设哈尔滨市教育云平台,为各类应用提供支撑。
但是由于历史和技术发展原因,现有的哈尔滨各区、县(市)及中小学校的教育信息网络,缺乏统一的标准和规范,自成一套体系,形成了“数据孤岛、应用孤岛、硬件孤岛”三大孤岛;并且架构陈旧,性能很难满足全市优质教育资源共享的需求。主要表现在以下几个方面:
1、业务繁杂,数据激增。教育局三通两平台的业务系统承载的数据业务包含门户、OA、教育资源公共管理系统、教育资源公共服务系统等。业务项目多而繁杂,数据需求量的急剧增加,原有存储系统的可靠性和扩展能力均有限,无论IOPS,还是存储容量,已满足不了现有业务需求。
2、业务系统存在壁垒。现有城市教育资源平台与区县教育资源平台的无法互通,导致优质教育资源无法共享,无法服务于各级各类教育,难以实现教育公平;同时由于信息壁垒难以打破,还造成了管理困难。
3、业务上线缓慢。传统IDC数据中心难以支撑新业务应用的快速上线,且会造成大量IT资源的浪费,给客户带来不必要的损失。
基于客户业务痛点,华为提供了云数据中心解决方案,通过部署华为高性能服务器RH2288 V3构建基础硬件平台,同时搭配华为虚拟化软件平台Fusionsphere形成统一计算资源池,在虚拟资源池上部署教育应用系统,使得业务平滑迁移,实现统一运维管理;同时考虑到哈尔滨未来师生扩展的数量,通过分布式存储软件使RH2288 V3成为可扩展的存储节点,满足了未来使用的需求;并通过部署华为OceanStor 5300 V3实现了统一部署、管理、监控。此外,该方案还有效降低网络投资,减少骨干网压力以及网络故障影响,同时提升存储数据可靠性。而特别值得一提的是,华为存储系统提供了阵列控制器的冗余技术,可有效避免单点故障,同时支持IP SAN和FC SAN两种组网方式,可灵活应对业务诉求,并且具有数据主动保护技术,大大提高了业务系统的可靠性,还支持磁盘阵列本身的数据主动保护技术。
综合来看,华为通过提供灵活、稳定的云计算平台,实现了教育资源的按需使用,形成了未来可扩展的“三通两平台”。同时支持扩展性超强的分布式存储系统,为云盘服务提供存储空间。而借助华为整体端到端的解决方案,还有效降低了设备运维管理难度、降低了TCO、节省了客户运维成本。
客户表示,依托华为打造的信息化平台,完美落地“三通两平台”的建设目标,为区域内中小学教育提供全面的信息网络服务,对包括教务信息的管理、教学资源的分享传播、教学业务以及教学安全的管理控制等提供坚实的信息化基础保障。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。