报告由厦门大学大数据教学团队林子雨副教授等人撰写股票配资入门，围绕大模型在高校教学和科研中的应用展开，涵盖大模型基础概念、技术原理、高校实践及潜在影响等内容。
1. 大模型基础：大模型基于深度学习，具有海量参数、强大学习和泛化能力。其发展历经萌芽、沉淀和爆发期，可分为语言、视觉、多模态等类型，在自然语言处理、计算机视觉等多领域广泛应用，产品众多，如ChatGPT、DeepSeek等，但存在 “幻觉” 问题。
2. 高校本地部署DeepSeek大模型：DeepSeek大模型性能优异，在能力测评中居首，部分高校已开展实践应用，辅助教学和科研。本地部署大模型有助于保障数据隐私、避免使用限制、优化成本资源等。可通过模型微调和本地知识库提升效果，但面临算力需求大、技术栈复杂等问题，清华大学的KTransformers项目则为降低部署门槛提供了解决思路。
3. AIGC应用与实践：AIGC借助人工智能生成内容，与大模型相互促进。在文本、图片、语音、视频类创作及辅助编程、搜索、办公等场景应用广泛，如利用DeepSeek和Kimi制作PPT、脑图，借助多种工具实现图像生成与处理、语音和视频内容创作等。
4. 基于大模型的智能体：基于大模型的智能体以大语言模型为核心，具有自主性等特点，能处理复杂任务。RAG技术可增强模型回答能力，与智能体各有优势和适用场景。OpenAI推出Operator、Deep Research等智能体，字节跳动的Coze平台助力高校教师创建专属智能体，上海海事大学超级智能体实现多智能体协作服务。
展开剩余80%5. AI赋能高校科研：DeepSeek在高校科研中成果显著，助力论文发表，提升科研各环节效率，但存在信息准确性问题，使用时需谨慎。
6. AI赋能高校教学：AI在高校教学多方面发挥作用，如自适应学习、智能教务等系统的应用。厦大等高校开展AI赋能教学实践，提升教学效果。大模型可辅助教师，但存在局限性，教师应合理使用，从 “讲授者” 转变为 “引导者” 等角色，实现人机协同教学。
免责声明：我们尊重知识产权、数据隐私股票配资入门，只做内容的收集、整理及分享，报告内容来源于网络,报告版权归原撰写发布机构所有，通过公开合法渠道获得，如涉及侵权，请及时联系我们删除，如对报告内容存疑，请与撰写、发布机构联系
发布于：广东省