近年来,高校安全事故频发,校园安全成为众多高校和学生家长关注的焦点。前不久发生的北大访问学者在美失联案,再一次引起社会对校园安全的广泛关注,同时也对高校的校园安全应对能力提出了新的挑战。
目前,高校正在完成向数字化校园、智慧校园的升级转型,信息化正全面贯穿学校综合管理及各类业务的操作流程。每时每刻都在不断产生的大量数据累积,以及规模和复杂度日渐庞大的信息化系统,让高校在应对学生失联等涉及校园安全的事件时,往往还是有些措手不及、力不从心。
全面掌握学生动态、及时进行失联预警成为众多高校预防失联事故发生亟待解决的难题。这要求学校各类信息化系统除了实现自身的业务流程,还应当最大程度地克服“数据孤岛”,建立一种“既分工、又合作” 的关系和科学的“数据治理”体系,不断完善“整合大数据业务及微服务渗透”、“以学促建加速关键技术的发展”、“实现高等院校的科学化管理与智能化决策”的工作流。
精准识别,提前预警,曙光打造平安校园
曙光积极参与高校的智慧校园建设,应对校园安全难题,推出智慧校园智慧预警模块,提升校园安全指数,助力平安校园建设。
曙光智慧校园大数据失联预警
曙光智慧校园大数据智慧预警模块,通过对学生的学习、消费、上网、上课、刷卡、图书馆、宿舍等各方面的数据进行建模分析,使平台具有主动学习与发现能力,智能判断学生是否在校,精准识别上网沉迷、低消费异常群体,分析上课考勤,监测教学过程。
基于以上信息,系统对异常情况进行智能预警,自动向辅导员和班主任推送告警信息。辅导员或老师可重点关注有异常情况人群的去向和行为轨迹,并根据实际情况,进行及时干预,避免异常情况进一步发酵失控。
目前,曙光智慧校园大数据智慧预警系统已在浙江某大学稳定运行中,确保校园安全保障工作顺利进行。
曙光智慧校园大数据开创高校管理新局面
除了失联预警,曙光智慧校园大数据平台在校园智能管理与决策、教学过程质量评估与考核、学生学习成长与监测中拥有丰富的应用,可以帮助学校管理者全面高效动态掌控学校的综合信息,为学校管理和决策提供切实可行的数据支持;及时优化调整学校发展方向与策略,提高学校的信息化决策水平;帮助教师全面深刻认识每一位学生,推动因材施教的个性化教学实施;服务在校学生,主动推送学习、生活、就业等个性化信息,全面提升学校公共服务水平。
曙光智慧校园大数据
曙光智慧校园大数据紧密结合技术和高校业务之间的联系,聚焦高校实际业务需求,以高校面临的问题驱动数据建模分析,挖掘校园数据深层次的价值,持续完善功能模块、优化使用体验、助力高等教育教学模式创新,开创高校管理工作新局面。
随着“数据中国”战略的发布与实施、“百城百行”数据网络的持续延伸,曙光公司秉承“让全社会共享数据价值”的理念,积极参与高校的智慧校园建设,致力于教育信息化技术与产品的研发,探索如何利用信息技术重塑教育方法和环境,将数据科学与教育领域相融合,确保教学目标达成和人才培养成果。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。