赵建华 教授、博导 南方科技大学高等教育研究中心、联合国教科文组织国际高等教育创新中心 Email: zhaojh@sustc.edu.cn 从智慧教育到智慧课堂： 理论、规范与实践 智慧教育的内涵与特征 3 智慧战略引重视 • 2008 年 IBM 提 出智慧地球战略 智慧教 育 已 成 共 识 新加坡 2006 年iN2015 计划 智慧教育计划 提出 建立学习者为中

的评论模型 ➢ 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。 强化学习则是通过试错和尝试，鼓励模型在最大化奖励过程中学习到推理背后的规律，获得的泛化性和推理 表现上界更高 ➢ SFT 主要负责记忆而很难进行OOD泛化，基于ORM的RL泛化能力较好 [1] ➢ SFT规范模型输出格式，使得后续的RL可以获得更高的收益 ➢ 随着强推理能力复现的兴起，社区也有很多工作比较 LongCoT 长文本思维链的蒸馏效果 ➢ Scaling up verifiable reward是long 必须使用固定的计算资源即时响应用户请求； ➢ 当前的对齐方法（如SFT和RLHF）鼓励LLMs通过偏好学习从大量数据中总结规范和人 类意图，而不是直接学习安全规范。 Deliberative Alignment: Reasoning Enables Safer Language Models 我们能否直接利用强推理能力学习安全规范以增强模型的安全性？ Deliberative Alignment Stage I: SFT

，在晶圆缺陷 检测任务上，最小能检出 0.1 微米级别的缺陷尺寸，检测精准度需高于 99.5%，检测节拍大多需达 300 片/分钟以 上，检测精度、检出率和检测效率都比传统方法有大幅提升，满足大规范生产需求。 10 01 工业人工智能 (AI) 行业观察 毋庸置疑，AI 技术的应用正为工业领域带来前所未有的创新性变革。而且，工业领域对 AI 技术的部署，正在随着 AI 技术本 SYCL，它可以被用 于编程加速器和多种处理器。SYCL 允许开发者在不同的硬件平台上（CPU、GPU、FPGA 和其他加速器）之间重用代码， 并为特定架构进行优化。基于 SYCL，oneAPI 定义了一套广泛的规范和库 API，以满足跨行业和计算以及 AI 使用案例的编 程领域需求。此外，oneAPI 提供一个开发者社区和开放论坛，以推动统一的 API，为统一的行业宽多架构软件开发平台， 并鼓励生态系统合作。 英特尔® OSPRay Studio • 英特尔® 开放路径引导库 (Intel® Open PGL) • 渲染工具包实用程序 作为 oneAPI 指导委员会的重要成员，英特尔® 根据 oneAPI 规范推出了英特尔® oneAPI 工具包，旨在帮助开发者使用英特尔® 优化的一流的编译器、性能库、框架以及分析和调试工具，构建、分析并优化在 CPU 和 XPU 上的高性能、跨架构应用程序。 在英特尔®