例如，德州九中的《AI赋能网页设计》课程，引导学生在AI协助下掌握编程技能，让技术学习与创新实践深度融合。随着AI工具在校园的普及，越来越多的学生开始依赖AI完成作业，从作文日记到数理化难题，AI似乎无所不能。山东邹城则通过“AI精准评测体系”，实时采集课堂互动数据，生成个性化教学“处方”，实现技术赋能而不替代。甘肃张掖的徐迎春老师指出，AI“打直球”式的解题方式，让学生跳过了循序渐进的思考过程，

这项功能，也称为“实时翻译”（Live translate），你不用像过去一样手动点击麦克风、等待对方说完再切换，新版本凭借先进的AI能力，实现了流畅对话。在用户体验（UI/UX）设计上也更加方便，只需打开谷歌翻译应用，点击“实时翻译”，选择好需要翻译的语言，然后就可以直接开始对话。，这款我们再熟悉不过的工具，已不再仅仅是一个数字词典，它正进化为一位可以进行实时对话的“翻译官”。当前主流的翻译工具

在编程体验上，GLM-4.6进一步提升了PPT的可用性、前端代码的美观度与更先进的版面布局，显示出在多模态生成和全栈开发方面的实力。在token效率方面，GLM-4.6实现了超过30%的提升，在平均token消耗上比GLM-4.5节省30%以上，为同类模型最低，近期，智谱正式发布并开源了新一代人工智能大模型GLM-4.6，作为GLM系列的最新版本，这款模型以。GLM-4.6作为智谱GLM系列的最新

丨技术奇点临近，全球大模型竞赛进入分水岭时刻。如果一年前的大模型竞赛还是“百模大战”的混战状态，那么2025年末的这场竞争已逐渐分化出截然不同的技术路线与生态策略。这背后，是全球AI产业对技术路径的深刻分歧：是继续追求规模效应，还是转向实用主义？在11月13日的百度世界大会上，。参数规模远超上一代产品，采用超稀疏混合专家架构，有效提升推理效率。文心5.0的核心定位是，统一训练语言、图像、视频、音频

通过自监督学习能够学习到泛化性能很强的representation(也即nn里的一些layer输出的features是比较generalized，这个generalized的features反应了数据本身的一些隐藏的pattern，最好这些pattern可以在许多的下游任务中shared(transfer learning and pretrained model))，用所有数据逐层重构预训练，对

专家指出，此次变革不仅利好百度、阿里、腾讯、华为、科大讯飞等头部企业——因其技术积累与合规能力更易满足标准；长期以来，大模型市场充斥着“参数虚高”、“安全存疑”和“落地难用”的乱象。，未来你的AI技能证书可能比学历更管用。为了支撑标准落地，配套的大模型评测能力已获得中国合格评定国家认可委员会（CNAS）的正式认可。新国标的实施，是AI产业从“跑马圈地”转向“精耕细作”的关键转折点。——训练数据必须

AI圈最近出了件很有意思的事，包括谷歌AI Overviews、ChatGPT 5.2和Claude 3.5在内的多款顶尖AI模型，在回答。如果感兴趣的话，欢迎关注。不同模型在设计上可能存在差异，包括对不同类型任务的处理方式、上下文信息的利用方式等。Deepseek、通义千问、零一万物这些模型给出了正确答案和计算过程，可见这几个模型在日期计算任务上更准确和可靠。是一次生动的压力测试，它说明最先进的

Pairwise Loss一种常用于训练排序模型或奖励模型的损失函数，表示鼓励模型输出更高的分数给更优的回答。左图部分为一个经过监督微调（SFT）的语言模型，它已具备生成合理文本的能力，它由多层 Decoder 组成，经过前馈网络，最终输出Logits。未来的奖励模型可能会向多模态(结合图像、视频等）发展，并探索通过自监督学习减少对昂贵人工标注数据的依赖。收集多个模型生成的回答（a₀ 到 a₅），

以为它是“搜索引擎”——Transformer更像“理解与生成机器”，不是检索工具。以为“接了RAG就不会错”——检索可能找错、找漏、资料本身也可能过期。后来才明白：大模型不是百科全书，是个“读过全网但会瞎编”的语言高手！只写“帮我写一篇文章”——等于只说“做个东西”，不说标准。Embedding更擅长“同义、近义、同场景”。上下文是“临时工作台”，不是“永久档案”。关键差别在“流程与工具”，不只

但对于90%的资讯类、报告类、博客类内容，这个量级已经够了。⚠️想用本地模型的朋友记得提前装好 Ollama（不会的都可以问ai），不然第一次用会懵，别问我是怎么知道的😂。我还能接着问它："第三点提到的那个数据，原文在哪。这个插件的侧边栏可以直接基于当前页面做翻译和理解，上下文连贯，不会出现那种。最多的场景其实是：。