暑期将至。在期末前夕的紧张氛围中,中国人民大学附属中学丰台学校三年级的学生们依然在课堂中体验学习的乐趣,通过“萝卜的倍数”互动小游戏,进行对数学的奇妙探索。作为这节课的任课老师,于老师热情回应着孩子们的求知欲,欣慰地看着孩子们在游戏中从容解答,不断夯实“倍数”相关的数学知识。

参加数学课堂互动小游戏的同学
年轻教师遭遇职业发展难题
然而此前很长一段时间,于老师一直为如何在课堂上充分调动学生积极性而烦恼。同时,作为一名年轻教师,面对繁重的备课和教研任务,传统的教学方式和有限的资源更是让她力不从心。
此前,在备课和教研过程中,她每天都要花费大量时间准备教学资料、教具和课件,以确保在课堂上充分获得学生的积极反馈、达到最优教学效果。但在备课过程中,由于有时会出现灵感匮乏的情况,为了寻找合适的教学思路,她不得不翻阅大量教学资料。这不仅耗时费力,还难以找到完全契合自身风格和教学标准的内容。
课后,教学反思和教研同样消耗了于老师大量精力。由于资历尚浅,她十分希望能够经常得到经验丰富的老教师的指导,但这种指导难以每天实现。而缺乏及时、有效的反馈,使她在课堂评估和教学改进上面临极大挑战。
“五边形战士”养成计划
这一切在希沃第七代交互智能平板引入课堂后发生了翻天覆地的变化。
作为希沃全新推出的AI教学终端,希沃第七代交互智能平板不仅能够丰富课堂互动环节,还可帮助于老师在备课时轻松借鉴课件库中的教学思路,并与其他教师在线集体备课。通过共同审阅、批注教案、集思广益等,精心雕琢每一堂课。

正在备课的于老师
此外,每次课程结束后,除了能够提供课堂实况录像,希沃交互智能平板还会通过AI分析,在10分钟内生成一份详细的教学报告。报告中的弗兰德斯互动分析图是于老师参考最多的一个板块。这项分析以五边形的形式展示了教师提问比、启发/指导比、学生稳态比、教学内容比和学生发言比这五大类指标,每当图形越接近一个完美的五边形,就意味着这节课的教学效果越好。于老师表示每节课后她都会努力让自己的课堂更接近这个理想状态,争取早日成为一名“五边形战士”。

教研组针对教学报告进行磨课
在课后教研过程中,这份报告不仅能让于老师的教学反思有据可循,还能帮助她根据AI建议持续优化教学方案。同时,基于这份报告,教研组针对课堂的讨论变得更加有针对性和实效性。教师们不再依赖主观记忆和经验,而是根据具体数据进行分析和改进。这种数据驱动的教研方式,大幅提高了教学反思和改进效率。
希沃交互智能平板如何成为教师得力“助手”?

希沃第七代交互智能平板走进课堂
英特尔与希沃的合作,是这场变化的基石。
长期以来,英特尔持续笃行“深耕教育,拥抱数字化未来”的理念,与希沃保持着紧密的合作关系。在这个过程中,英特尔为希沃提供了强大的算力底座,且凭借领先的软硬件支持与坚实的性能基础,助力希沃产品的稳定运行和技术创新。而希沃专注教育15年,一直凭借着对教育领域的深刻理解和洞察,基于教育领域的痛点和需求,与英特尔携手为学生、教育工作者提供更加便捷、安全、高效的创新应用。
希沃从创立早期,便开始与英特尔基于CPU产品进行深度合作,并一直延续至今;到2016年,希沃成为国内为数不多的“英特尔OPS认证合作伙伴”;如今双方又在“AI+教育”解决方案方面展开紧密合作。英特尔AI 算力可支持希沃教学大模型本地化运行。借助英特尔®酷睿™Ultra 处理器,希沃无需依赖云端计算资源,即可在本地完成AI教学大模型的运行,从而提高系统响应速度和稳定性,确保教学过程中的流畅体验。
希沃研发团队在回忆起研发过程中遇到的挑战时表示,他们最初的目标是想让AI真正成为教师的得力“助手”,但现实远比设想复杂得多。
从教师的每一句话到学生的每一个举动,AI课堂智能反馈系统需要无感采集课堂细节。为达成这一目标,强大的算力必不可少。而英特尔®酷睿™Ultra处理器的强大算力支撑让希沃第七代交互智能平板实现了高效率的运算处理,实现了对课堂数据的高效精准采集。
在成功采集数据后,如何快速分析和处理这些数据成为了新难题。这对系统的处理速度和稳定性提出了极高要求。希沃研发团队表示,得益于英特尔AI算力支持,希沃课堂智能反馈系统能够快速分析和处理大量课堂数据,确保教师能够及时获得有价值的反馈。这使希沃课堂智能反馈系统真正成为了教师的得力“助手”。
点燃AI之火,照亮未来教育无限可能

对此,于老师感慨道,无论是在备课、上课还是磨课环节,AI技术既能为她的教学之路减压增效,又可以让她得以精准施教,实现个性化教学。
让每一位教育工作者和学生都能够受益于AI的力量,是希沃和英特尔的共同目标和愿景。目前,希沃产品已覆盖超 280 万间教室,惠及教师超 800 万人次。如今,课堂智能反馈系统正在走进越来越多的学校。未来,英特尔和希沃将持续合作,深挖教育场景中的“真需求”,推动教育的创新发展,激发教育工作者与学生的无限潜能。
下课铃声悠然响起,孩子们鞠躬道谢,于老师微笑着回礼,缓步走出教室,身影渐渐隐没于长廊深处。暑期虽至,但对于教育的探索之旅从不会停歇。他们了然于心,AI技术,正引领他们迈向一个充满无限可能的新未来。
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。