有这么一座城市
是古丝绸之路上的重要节点
中华民族的母亲河黄河穿城而过奔腾向前
他,就是兰州
在这个热情的7月里
另一条数字化的大河在这里汇聚
给古老兰州的夏天增添了一份热度
近日,一场以“融合创新,智绘教育美好未来”为主题的“新型智慧校园专题研讨会暨西北民族大学智慧校园建设成果展”在这里召开。会上,来自中南大学、山东大学、中国石油大学(华东)等教育系统的专家就紫光旗下新华三集团“数字大脑计划”在教育领域的重要建设成果——西北民族大学智慧校园进行了参观与深入研讨,并对新华三智慧教育解决方案的先进性、实用性、安全性表示了认可。
新华三集团副总裁、数字化业务部总裁孙德和
新华三集团副总裁、数字化业务部总裁孙德和表示,智慧校园建设应本着“以人为本,立德树人”的基本理念向前推进。从某种意义来讲,校园环境也是一个小的社会环境,智慧校园是智慧城市的缩影,最终都是以数据为中心,将信息技术与业务深度融合,构建教育数字大脑,为师生提供无处不在的学习资源与宜学宜居的学习、生活环境,为学校治理提供动态监测、科学决策的有力支撑。
消灭数据孤岛,让数据做主
西北民族大学是直属国家民族事务委员会的中央部属高校。近年来,学校高度重视信息化建设,先后建成校园卡系统、私有云平台、网络与信息安全系统等信息化基础设施。随着学校不断的发展,原有竖井式信息化系统建设方式造成大量数据孤岛的出现,散落在各个业务系统中的数据难以聚拢,无法进行量化分析,导致决策与管理依然凭感觉与经验进行,信息系统效率低下,无法满足学校多样化的发展需求。因此,西北民族大学对于以数据为驱动、以洞察力为手段、以提高管理能力为目标的智慧校园的建设需求迫在眉睫。
新华三集团数字化业务部副总裁、智慧业务发展部部长曹言指出,数据孤岛已经成为阻碍教育行业迈向智能化的巨大障碍。要改变这一现状,需要让数据作主,以数据为中心,给学校信息化系统安上智慧的大脑。新华三“数字大脑计划”,通过建设由数字基础设施、业务能力平台、主动安全和统一运维构成的智能数字平台,构建“N”个校园智慧应用,能够帮助学校向管理决策智能化、教学科研智慧化、校园服务人性化方向转型。
数字中台,给教育系统装上智慧的大脑
充分考虑到西北民族大学的特点,新华三通过建设以数据为中心的数字中台,实现学校全量数据沉淀和数据资产可视化,形成校园大数据资产中心,在此基础上部署安管一体机和云主机无代理安全防护,使数据中心更安全,满足等级保护2.0要求。
在校园智慧应用方面,通过打破数据孤岛,重构业务流程,依托数字中台构建出如:学生画像、贫困生认定、疑似失联等20多种大数据智慧应用。同时,根据学校师生的需求,简化办事流程,全面落实网上办、掌上办,实现“数据多跑路、师生少跑腿”,提高师生服务体验。
在智慧教学方面,以课堂为核心实现智慧校园云端协同,充分发挥云服务、大数据分析和人工智能算法学习能力,实现无感知考勤、智能课堂分析、在线巡课、信息发布、教室预定等功能。
教育行业迈向数字化与智能化是大势所趋,新华三与西北民族大学的战略合作正是代表性的融合创新样板点。此外,新华三智慧教育解决方案也成功在清华大学、北京航空航天大学、海南大学等众多高校落地实施。作为数字化解决方案领导者,新华三将继续通过数字化解决方案的不断融合创新,与教育界共同推动教育变革与转型进程,共建美好的教育未来。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。