“战疫”未停,教学已始。为全力配合各地教育部门在防控疫情期间“停课不停教、不停学”的要求,近日,UCloud优刻得联合众多教育行业合作伙伴,成立“云上教育联盟”,推出在线教育解决方案,为全国中小学、高校、教育培训机构等提供远程线上教学服务,加速线下教育向线上转型,保障教学质量,共渡疫情难关。
目前,已有北外在线、学霸君、小禾科技、一起教育科技、晓羊集团、奥鹏教育、百家云、育网阳光、亿山睦教育、爱米云助教、北京外国语大学、叽里呱啦、成都数懒信息技术、晨芽教育、德拓信息技术、创课教育等加入到“云上教育联盟”。据了解,“云上教育联盟”成员将通过数智化教管解决方案,科学提升运营效率,合力为用户提供多场景、全终端覆盖的解决方案,满足一对一、大班课、小班课、双师课堂、课程直播等各类教学需求,同时可为学生群体提供丰富的在线互动形式,让学习不再单调。
谈及成立“云上教育联盟”的初衷,UCloud相关负责人表示,在疫情爆发初期,UCloud就通过提供全面的云计算技术与资源服务,支撑了众多新老教育行业用户的上云、扩容、资源调度等需求。随着复学复工季的来临,UCloud了解到有越来越多的教育行业用户迫切需要转型,因此希望用积累的云计算技术和资源,携手行业合作伙伴一起为教育行业梦想者助力。
以联盟成员北外在线为例,依托于北京外国语大学和外研社的师资力量与教学资源,北外在线倾力打造的北外网课一站式语言学习平台,可为全国大、中、小学学生提供在线外语学习解决方案。疫情期间,为保障教学工作正常进行,北外在线于1月31日向全国大、中、小学师生和社会公众免费开放200门精选优质课程,以及法、意、日、韩等多语种课程以及职场进阶课程和艺术素养课程。
为防止流量剧增带来的突发情况,UCloud优刻得与北外在线提前进行充分沟通,为北外在线学习平台提供了负载均衡(ULB)、云主机、外网弹性带宽、CDN、外网防火墙、高可用数据库(UDB)等公有云产品,并助力其实现了弹性灵活的流量负载均衡、快速流畅的用户访问以及全天候系统高可用和安全防护,协助完成了用户体验和灵活运维的双向提升,为广大学子在疫情期间的持续学习提供了保障。截至2月7日12点,北外在线网站浏览量已达317万,用户量40.6万,新增注册人数15万,累计开课68万余门次。
除IaaS公有云产品外,UCloud优刻得还为教育行业合作伙伴提供一站式实时音视频解决方案URTC。依托UCloud优刻得强大的计算能力和网络覆盖,可以为用户提供就近接入、高质量、抗弱网、低延迟的网络音视频通信,并支持万人直播推送。
此次,UCloud优刻得依托深厚的公有云产品积淀和一站式实时音视频解决方案,携手“云上教育联盟”成员,为全国各地师生提供“云上课堂”服务。除技术合作伙伴以外,UCloud优刻得还联合中国移动、上海市教委等机构,全力以赴共同推广在线教育解决方案,为各级教育局和学校提供云上课堂技术服务;为各年龄段学生在线学习提供免费的多种课程内容;为线下教培机构提供线上方案,解决停课的燃眉之急。
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。