人类语言、代码语言、 XX 语言 2. 知识能力：海量公开知识，言之有物， GPT-2 时达 到 • 顺带学习（基座模型）：文字中蕴含了知识 • 压缩：幻觉 • 遗忘：微调（迁移学习），尤其是 RLHF 用人工神经网络获取网络模型：深度学习 -Transformer 模型 - 大语言模 型 大语言模型的核心原理：数据化 - 语义化 -NTP （ Next Token 大模型应用开发与深度学习实践 解决复杂 AI 应用场景中技术问题， 提升产品智能化水平。 专业 基础课 集中 实践课 专业 核心课 专业 选修课 神经网络与深度学习核心算法 大模型微调技术，优化算法性能 设计开发算法模型，解决实际问题 深度学习与 NLP 实践 语音识别技术 人工智能数学基础 数据库技术 计算机系统基础 操作系统导 论 人工智能导论 智能硬件与应用开发 大数据技术与应用 机器人技术与应用 模式识别与机器学习 大模型微调综合实践 大模型应用开发综合实践 Python 算法综合实践 Python 程序设计综合实践 人工智能综合实践 模型训练创新实践 图像识别与机器视觉 神经网络与深度学习 知识表示与处理 人工智能伦理 大模型微调技术 大模型应用开发 AI 开发方 向 Python 程 序 设 计 综 合 实 训

.48 3.2.1 预训练模型选择标准..................................................................50 3.2.2 定制化微调方案.........................................................................52 3.3 数据库设计........... 高准确率和较好推理速度的模型。 其次，模型的可定制性和适应性十分重要。考虑到不同教育领 域和特定应用可能具有不同的需求，我们选择的模型需要能够灵活 调整，以适应不同的任务和数据集。例如，选择可以通过少量样本 进行微调的模型，有助于在特定教育场景中取得更好的效果。 另外，社区支持与文档的完善程度同样是一个重要因素。一个 活跃的开发者社区可以提供丰富的资源和解决方案，有助于加速我 们项目的实施进程。同时，完整的文档和示例代码能帮助开发人员 模型设计方案中能够充分发挥其在实际应用场景中的有效性与价 值。 3.2.2 定制化微调方案 在选择合适的 AI 大模型后，定制化微调方案是实现特定任务 性能优化的关键环节。定制化微调能够使预训练的模型适应特定领 域或任务的需求，提高其在实际应用场景中的效果。 首先，定制化微调的过程通常包括数据收集、数据预处理、模 型选择、微调策略制定及评估反馈几个环节。在这些环节中，确保 数据的质量和相关性是至关重要的。

数据中心（IDC）：企业服务器、服务器集群（私有云） Ø 公有云服务：阿里云、火山云、腾讯云、金山云、华为云等；AWS、Azure等 Ø 开源模型：DeepSeek、Qwen、Llama、SD、微调模型等 • 向上提供：私有化部署，公有云服务（DeepSeek官网、硅基流动、火山引擎等） Ø 闭源模型：OpenAI、Claude、Gemini、Kimi、百度等 • 向上提供：公有云服务（OpenAI官网） 顶尖水平 （如GPT系列、Claude等）直接对标，奠定国产大模型的行业标杆地位。 n 核心加分项：开源、低成本、国产自主 1. 开源：技术共享，生态共建 • 全量开源训练代码、数据清洗工具及微调框架 • 开发者可快速构建教育、金融、医疗等垂直领域应用，推动协同创新。 2. 低成本：普惠企业级AI应用 • 针对H系列芯片做了大量的模型架构优化和系统工程优化。 • 最后一次训练成本仅$557w 大模型的工作过程：预训练-后训练-推理 大模型工作过程 上下文 + 训练知识 阶段1：模型训练（预训练+后训练） 预训练 （自监督） 阶段2：推理 人类反馈 强化学习 处理输入 进行推理 生成输出 监督微调 接收输入 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第26页 大模型的最新发展（从原子弹到氢弹）：推理 2022.12

练稳定性的同时 降低算力成本。该平台有效破解教育机构算力资源不足、硬件投入成本高的难题，为教育大模型开发提供持续 可靠的动力支撑。 数据开发平台：筑牢教育大模型的数据根基。面向教育大模型训练与微调场景，提供多模态数据处理全链路解 决方案。平台兼容 PDF 教材、Word 教案、MP4 课程视频等多种教育数据格式，通过 API 对接、网络爬虫、 文件导入等方式实现多源异构数据规范化接入。核 平台的标准化输出，专注教育大 模型开发。平台集成 DeepSeek、Baichuan 2 等多个开源模型，支持不同规模参数模型的全生命周期管理。 通过自研的轻量化训推一体工具链，实现预训练、增量微调、模型量化等核心功能的高效执行。特有的教育知 识增强技术，可将学科知识图谱与通用大模型深度融合，使模型在智能阅卷、学情分析等场景的准确率大幅度 提升。平台配备多模态向量检索系统，支持教育文档、音 执行终端”的协同机制，形成了人机协同的教育新范式，驱动教育创新发展。 4.1.1 教育大模型总体参考框架 当前，对教育大模型的架构主要采取两种模式：一类是直接调用通用大模型，根据具体教育场景调用外部专家 知识库，通过微调或提示学习等方式赋予其专有能力 78；另一类则是在通用大模型中训练教育领域数据，形成 教育专有能力后，再应用于具体场景 79。 2025 年 5 月，世界数字教育联盟标准委员会在武汉召开的第

知识层 产品层 KN Builder 知识网络构建 Cognitive App Dev 认知应用开发 Evaluator 大模型评估 Finetune Tool 微调工具 ConceptBases 概念库 RuleBases 规则库 基础层 AnyBackup 认知助手 AnyRobot 认知助手 eQ AnyShare 认知助手

视频监控设备更新、升级可以在平台界面远程控制完成，并支持批量处理。 XXXIPC 枪机支持背焦自动调节功能，可通过摄像机上的 ABF 按钮或者客户端 /IE 上的辅助聚焦等按钮自动或手动实现图像传感器的细微调整，达到微调焦距 的作用； XXX 电动镜头支持变倍后自动对焦功能，无需手动聚焦，且聚焦速度 第 114 页 XXX 系统技术有限公司 AI+

视频监控设备更新、升级可以在平台界面远程控制完成，并支持批量处理。 XXXIPC 枪机支持背焦自动调节功能，可通过摄像机上的 ABF 按钮或者客户端 /IE 上的辅助聚焦等按钮自动或手动实现图像传感器的细微调整，达到微调焦距 的作用； XXX 电动镜头支持变倍后自动对焦功能，无需手动聚焦，且聚焦速度 AI+ 智慧园区解决方案 XXX 系统技术有限公司 第 115 页 快，方便安装调试。 3) 易管理

的保险丝，保护电路以防短路损坏，并且方便更换保险丝，对应 的保险丝都有指示灯提示。  箱内设计地线连接点，便于防雷 防静电 防浪涌功能的贯彻。  波形质量好，无高频纹波干扰。输出电压为 DC12V，可局部微调到 DC14V。 3) 读卡器  读卡类型：Mifare 1 卡/ID 卡/IC 卡  输出格式：Wiegand 26bit，Wiegand 34bit  刷卡距离：7-12CM 

解决现实问题的人工智能系统 世界问题在地方 教育环境。 LO3.3. 2 应用适当 知识和技能 关于数据 ， 算法 ， 编程和 AI 要自定义的模型和 / 或组装现有的 AI 工具或半成品 AI 模型来创建 AI 工具或 微调开源 AI 系统创建解决方案 既相关又 负担得起的本地设置 和具体的用例。 LO3.3. 3 修订或 定义的标准 综合测试 一个自我创造的 AI 工具 和目的 优化和进一步 工具的迭代。 LO3

馆。数字科技馆 应用以下做详细介绍。 117 智能排课系统： 在教务基础信息录入的前提下，进行规则、限制条件、特殊情况设置，系统采用高效的排 课算法，可进行自动排课，对排课结果进行微调，课表生成。也可以备份此课表，重新排课， 比较后采用满意课表即可。任课教师，班主任，备课组长，年级组长可以在线查询相应的课表。 系统支持在使用过程中进行老师间调课和代课，课表和课时统计相应变化。