带来的边际收益开始递减；如果想要深度提升模 型推理能力和长程问题能力，基于RL的 Post-Training 将会成为下一个突破点。 ➢ 自回归模型在数学推理问题上很难进步的一点在于没有办法进行回答的自主修正，如果仅是依靠生成 式方法和扩大参数规模，那么在数学推理任务上带来的收益不会太大。所以需要寻找额外的 Scaling Laws [1]。 [1] Training Verifiers to Solve Math Word 当上一个阶段的RL收敛之后，再进行SFT ➢ 和之前Cold-Start 的数据不同，这部分SFT主要是负责全领域 任务 ➢ 600k 推理任务：(1) 基于规则的奖励 (2) 利用批判模型融 合生成式奖励 ➢ 200k 通用任务 (writing \ role-playing \ general-purpose) ➢ 成效：使模型在推理能力不减的前提下，语言表现更为自然， 适应性更为广泛。 降低 RL 训练的计算成本 \保证模型能够有效地学习到策略 ➢ 奖励机制的设计：兼顾推理能力和语言一致性 ➢ 准确率奖励和格式奖励，从而保证模型不仅能够正确地解决问题，还能够以规范、易读的方 式输出答案 ➢ 格式奖励：用于强制模型将推理过程放置在特定的标签内，用 和 标签来包 裹推理过程，使用 和 标签来包裹最终答案。

征 情景感知 无缝连接 可视化 按需推送 智慧 教育 核心 特征 全向交互 智能管控 12 情境感知 情境感知是智慧教育最基础的功能特征，依据情 境感知数据自适应地为用户提供推送式服务。 13 内在 个人学习状态感知内容 外在学习环境感知内容 感知学习者的专业知识背景； 感知学习者的学习状态，如 焦虑、烦躁、开心等； 感知学习者的知识背景、知 识基础、知识缺陷等； 教育舆情监测与剖析 教育信息化与现代化发展水平评估 教育机构布局与教育经费调整 学生的发展性评价 基于大数据的科学研究 26 云计算 • 云计算中的“云”主要用来强调计算泛 在性和分布性，实质上是分布式计算、 并行计算和网格计算等技术的发展。 • 将分布在各地的服务器群进行网联， 能够实现大规模计算能力、海量数据 处理和信息服务的需求。 27 云计算 创 新 • 学生通过电子书包 等终端随时随地享 STEM 学习实验室2 充分激活学生潜能与创意，促进数字技术和 个人制造的有效融合，让学生有更多的实践动手 的机会，我们高标准建设“ STEM 创新学习实验 室” ，让学生在实践操作中开展创客式学习，培 养学生创新能力。  S 学习实验室 （ 科学 Science ）  T 学习实验室 （ 技术 Technology ）  E 学习实验室 （工程 Engineering ）  A 学习实验室

............................................................................. 51 3.4 诺达佳：基于 AI 的在线式视觉随动同步点胶机应用 ...........................................................53 3.5 新松：智能巡检机器人 ....... 有望为工业领域带来 “基础模型 + 各类应用” 的新范式。因此，工业大模型的成功落地，离不开针对特定行业的丰富现场经验和深厚的行业 know-how 能力。 第四，多模态分析能力，由传统单一格式的工业数据 处理，转化为多格式数据综合转换分析。 大模型不仅能够处理单一类型的工业数据，还能够综 合分析多种格式的数据，实现跨格式的信息转换与分 析。在工业应用中，大模型能同时处理包括设备运行 1.9 (@45W) 1.1 (@35W) 1.5 1.15 否 企业 C 消费者 英特尔® 超核芯 显卡 48 1 OPIO x8 Gen2 嵌入式 DisplayPort 1.4b LP4x/5 x10 USB 2 x8 PCIe 4.0 x2 SATA 3.0 eSPI SPI HBR3 DDR4/5 x4 DisplayPort

Huawei Proprietary - Restricted Distribution 昇腾硬件使能 Ascend Runtime 模型训练：算网 / 算存深度协同是大模型分布式并行训练的基 础 大模型技术发展方向 支持 2 级框盒、框框组网，适用于大规模及超大规模集群 3 、 AI 任 务信 息 任务、通信域 … 1 、控制器获取网络拓扑， 下 发路径 信息 2 自适应选择性重计算、内存碎片优化、 … 模型训练：应用使能软件加持， MFU 领先、线性度持平 NV 模型训练最优 = 单机执行最优 + 集群并行最优 + 中断时间最短 软件层分布式并行 充分调度算力资源 提供分布式加速库，内置主流 加速算法，满足各类模型加速 场景 Ascend C 编程语言 + Runtime 开放接口 算子库 低阶二进制算子库 导 致 有 效 吞 吐 不 足 50% 拥塞 空闲 超大集群线性度 90%+ L2 层 下发路 径 L1 层 分布式并行 + 算网协同，集群并行最优 模型算力利用率（ MFU ） 模型通信与计算优化，单机执行最优 计算 通信 计算 1 计算 2 计算 3

型是在回答之前进行思考 ， 并在回复用户 之前 ，在内部生成一长串的思维链过程。 思维链是一种提示大语言模型进行逐步推 理的方法。它让模型在得出最终答案之前 ， 先显式地写出推理的中间步骤。这就像人 类解决复杂问题时会先把思考过程写下来 一样。 推理模型的核心 也就是说 ，如果模型在回复你之前有一 长 串的思考过程（这个过程必须可以显 Lightning AI 的首席教育学家） 将“推理”定义为通过生成中间步骤来回答复杂问 题的过程 通用的大语言模型（ LLM ） 可能直接输出简短答案（如” 180 英里”） 推理模型的特点在于显式展示中间推导过程 3.4 大模型的分 类 特性 推理大模型 通用大模型 适用场景 复杂推理、 解谜、 数学、 编码难题 文本生成、 翻译、 摘要、 基础知识问答 复杂问题解决能力 优秀 ，能进行深度思考和逻辑推理 ，只需输入文本就能自动生成视频。 这一技术的诞生， 不仅标志着人工智能在视频生成领域的重大突破 ，更引发了关于人工智 能发展对人类未来影响的深刻思考。 随着 Sora 的发布 ，人工智能似乎正 式踏入了通用人工智能（ AGI ： Artificial General Intelligence ） 的时 代。 AGI 是指能够像人类一样进行各种智能活动的机器智能 ，包括理解语言、 识别图像、

键词‘ergonomicofficechair’且字符≤200（限制），参考竞品 BestSeller 前十的标题 结构（目标）” ⚫ 教育：“高三学生（身份）复习导数压轴题（场景），需要 5 道难度递进的变式题 （目标），答案需附分步解析（限制）” ②角色扮演法 技术原理：激活 AI 的“专家模块” 实战指令： ⚫ 商业分析：“假设你是麦肯锡顾问，分析新能源汽车充电桩市场的三大风险点，用 考试改革：部分省份允许携带 AI 助手参加职业资格考试 ③经济形态 ⚫ 零边际成本创业： 个人开发者通过 DeepSeekAPI，3 天开发出月入 10 万的智能客服系统 ⚫ 分布式经济： 非洲初创团队基于开源模型开发农业咨询 AI，成本仅为 GPT-4 方案的 1/20 4.伦理与挑战 在享受技术红利的同时需警惕风险： ①数字鸿沟 ⚫ 技术垄断：掌握提示词工程的人群收入差距扩大 年机器人将具备“触觉-视觉-力学”联觉（如凭触感判断水果成熟 度） 技术普惠： 1. 盲人通过触觉反馈装置“观看”电影 2. 工厂质检员用 AR 眼镜识别 0.01mm 级零件缺陷 ③分布式群体智能 ⚫ 区块链+AI：建立去中心化训练网络，数据贡献者可获得智能代币 ⚫ 联邦学习突破：医院间共享医疗模型但不泄露患者隐私 案例实证： 10 万部手机联合训练出地震预警模型，准确率超专业设备

GPU 给客户提供高质量模型服务 ■ 例子：营收小、整体亏钱 2025 年特朗普的“星际之门”为 OpenAl 筹 5000 亿美元 Al 基础设施 ! 国际人工智能企业 OpenAI 的商业模 式 ■ 国内人工智能商业模式 ( 循环以下四步 ) ■ 1, 国内融资 ( 亿美金 ) ■ 可行性分析：资金没问题，尤其优质生产力领域 2, 购买最新 GPU ■ 可行性分析：美国可以发禁令