关键词： 人工智能   教育治理   人工智能教育   深度融合   教育变革  

摘要： 人工智能助力教育变革已成为全球教育发展的重要议题,其技术潜力不断释放,应用场景日益丰富。然而,这一进程也伴随着复杂的挑战和风险,亟须系统性生态治理。研究剖析了AI助力教育变革的三类风险(主体性、安全性、发展性风险),并聚焦四种生态主体(政府、AI技术研发者、学校和企业)开展归因分析,揭示了三类风险的多层次原因链条,涉及四重逻辑:制度逻辑,法律与专业的约束缺失;技术逻辑,算法与系统的内在局限;教育逻辑,守正与守旧的实践挑战;商业逻辑,效率与利益的价值扭曲。为应对上述问题,研究提出AI助力教育变革的生态治理框架,旨在为AI与教育的良性共生与可持续发展提供政策指引,主张以政府为主导,完善顶层架构;增加企业参与,规范行业管理;发挥教育引领作用,提升主体自觉。

关键词： 人工智能   多模态数据   情感分析   国际中文教育   教师行为分析   deepseek  

摘要： 通过单一模态数据对教师的课堂行为进行分析存在视角单一、结果不全面等问题。为解决该问题，文章以国际中文教师为研究对象，提出一种多模态数据驱动的课堂行为分析框架，并实现对中文教师的语言、表情、姿态三个维度的课堂行为分析。采用基于BERT-ResNet50的融合方法提取教师语言和面部表情特征进行多模态的教师课堂情感分析，其中BERT模型用来对文本进行编码，ResNet50模型用来对面部图像进行编码，再通过Transformer编码器进行特征融合，将来自面部表情和文本的两个独立特征进行联合编码，实验结果表明相对于对语言、面部表情进行单模态的数据分析，模型的准确率分别提升了17.76%和16.39%；采用YOLOv8n模型分析教师姿态，在测试集上的平均精度均值(mean Average Precision,mAP)达到90%。最后将分析结果以可视化的形式呈现给教师，同时接入DeepSeek大模型生成分析报告，进而帮助国际中文教师可以及时改进自身的课堂行为。

关键词： 前列腺癌   人工智能   磁共振成像   影像分割   个性化治疗  

摘要： 全球男性所患恶性肿瘤中，前列腺癌（prostate cancer, PCa）发病率排第二，其精准诊断与治疗决策方面亟需更精准的辅助工具。人工智能（artificial intelligence, AI）技术的兴起，为PCa的早期诊断和精准治疗带来了前所未有的机遇。本文系统综述了AI在PCa三个核心领域中的现状：（1）诊断与预后评估——回顾了当下传统PCa诊断手段的应用情形，并重点介绍AI在多模态成像技术的应用进展；（2）分子机制研究——探讨了AI在基因组学、蛋白组学等高通量组学数据中的应用模式，包括生物标志物筛选与药物疗效预测，揭示疾病发生发展的关键分子机制；（3）治疗决策优化——阐述了AI在手术规划与术中导航、靶向治疗方案个性化设计及术后动态监测中的创新实践，凸显了AI在提升疗效、减少并发症风险上的潜在价值。本文介绍了临床级的PCa专用AI系统，分析其在提高诊疗效率和精度方面的优势。针对AI在PCa应用中面临的数据来源单一、模型泛化能力不足、“黑箱”特性以及多模态数据标准化缺失等挑战，未来研究应聚焦于构建跨中心、多模态标准化数据库，并引入联邦学习等隐私计算技术应用；开发可解释性AI框架，以增强临床信任度；持续优化算法性能，提高模型的实用性与可靠性。本综述旨在总结AI在PCa领域的最新应用进展和挑战，为未来的研究方向提供指导，以助力AI技术与PCa临床研究与实践的深度融合。

关键词： 水管探漏   Singh七分量分解   机器学习   DBSCAN密度聚类  

摘要： 地下水管漏水普遍,造成水资源和经济损失。有效的漏水探测技术缺乏,尤其因供水管道埋设在地下,难以及时发现漏水。长波极化SAR信号穿透能力强,可记录次地表含水量信息,为漏水探测提供了新机遇。本研究利用S AOCOM数据,通过Singh七分量极化分解方法提取城区地表散射能量,结合地面实测数据,训练了随机森林、多层感知机和XGBoost三种机器学习模型预测漏点。最后构建集成模型,通过投票机制提高漏点检测准确性,准确率达81.20%。通过DBSCAN (density-based spatial clustering of applications with noise)密度聚类方法优化预测结果,将潜在漏点减少至1265个,发现所有真实漏点均位于疑似漏点的150米缓冲区内。本研究展示了利用PolSAR数据结合机器学习技术在城市水管漏损检测中的潜力,并为未来相关研究提供了有价值的方法和经验。

关键词： 人形机器人   人工智能   具身智能   双臂遥操作   共享控制  

摘要： 人形机器人因其类人结构与行为模式，在复杂环境中展现出良好的适应能力。然而，受限于当前自主智能水平，机器人在高风险、高复杂度任务中仍难以独立完成操作。作为关键补充，双臂遥操作技术通过引入人类操作者的意图与判断，实现对机器人双臂的精细控制，成为推动其实际应用的重要路径。本文系统梳理了人形机器人的发展历程与感知、认知、控制等关键技术，重点分析双臂遥操作在人机映射、多模态反馈与主从控制等方面的研究进展及典型应用。最后，本文探讨了双臂遥操作技术的发展挑战与未来趋势，旨在为后续研究与工程应用提供参考。

关键词： 脑电微状态   图论分析   视空间忽略   机器学习  

摘要： 目的 基于静息态脑电图（resting-state electroencephalography, rEEG）探讨视空间忽略（visuospatial neglect, VSN）的脑网络重构与动态活动特征，并构建分类模型以辅助其识别。方法 回顾性纳入首都医科大学宣武医院康复医学科2022年8月—2024年12月的脑卒中患者，根据纸笔测试分为VSN组（n=22）、非VSN组（n=21），同时招募健康对照组（n=20）。对采集的rEEG进行微状态分析和脑网络构建，提取微状态参数和图论指标，并构建4种机器学习模型（logistic回归、朴素贝叶斯、K近邻和决策树）。结果 VSN组相较于非VSN组在微状态C的平均持续时间和覆盖率上显著升高，在微状态D的覆盖率和发生率上显著降低。图论分析显示，VSN组平均聚类系数相较非VSN组升高，在额中央区域（C1、CZ）的度中心性显著低于非VSN组，而在顶枕区域（P5、P3、PO7、PO5）的度中心性则显著高于非VSN组。分类模型中，logistic模型与朴素贝叶斯模型表现较佳，其中微状态C的平均持续时间占据较高的贡献比例。结论 VSN患者呈现出特异的脑电微状态重构及功能连接模式调整。微状态特征在识别中具有关键意义，结合机器学习方法可辅助VSN的早期识别与个性化干预。

关键词： 人工智能   生成式AI技术   Chat GPT   找矿预测   资源勘查   Deep Seek  

摘要： 地球复杂巨系统研究的多维度发展持续驱动着地学研究方法的突破创新。生成式AI技术作为新兴研究工具,凭借强大的数据处理与知识推理能力为地学研究提供了新的思路。本文系统梳理生成式AI技术的发展脉络,对比Chat GPT与国产Deep Seek模型的技术路线,展现了生成式AI技术强大的自然语言处理能力和多模态模型构建的优势。本文详细总结了生成式AI技术在地学中的应用,特别是在资源勘查领域的应用现状和发展趋势。生成式AI技术已实现地学领域中多源异构数据的通用性整合,在资源勘查领域深入参与各阶段工作并于数据整合、认知推理、应用服务等层面提供技术支撑,掀起资源勘查领域革新浪潮。目前,生成式AI技术在地学应用领域依然存在数据完备性缺陷、地质复杂系统挑战、地质模型可解释性难题等核心制约。综合分析指出,生成式AI重构“数据感知-知识提炼-决策生成”技术体系,必将加速实现该技术在地球科学各领域的应用突破,为创新勘查技术方法、提高勘查效率、助力新一轮找矿突破战略行动、保障国家能源安全提供重要技术支撑。

关键词： 人工智能   价值对齐   人机协作   以人为本   人机共存  

摘要： 人工智能价值对齐本质上是一个人工智能系统的目标和行为应该与人类价值观保持一致。尝试从人工智能价值对齐视角来梳理人机协作在安全、伦理方面逐步得到更好的完善以更好激发人机协作的巨大能量。人工智能价值对齐在人机协作中能够保障机器在更安全的情况下与人类更高效地协作，能够让人类有更充足的自由时间去探索更有意义的事情，以及助力人机协作能够为探索人机伦理合作模式与边界提供了示范等三方面重要价值。然而，在人机协作过程中可能存在潜在的安全隐患，因人过度依赖机器而使人的部分主体能力逐渐弱化，以及因机器可能出现越界而导致的人类伦理与机器伦理的界限更加模糊等三方面的困境，尝试以人工智能价值对齐来发展以人为本的人机协作构筑人机协作安全屏障，合理规制人机协作使用范围与使用场景，有效保护人类主体地位，以及明确人类伦理与机器伦理的定位为更好实现人机共生打下良好基础。综上，人工智能价值对齐助推人机协作健康有序长远发展对于未来新兴科技更好融入人类社会发展具有重要意义。

关键词： 大语言模型   膝骨关节炎   物理治疗   人工智能  

摘要： 目的 比较ChatGPT-4.5与DeepSeek-V3在膝骨关节炎物理治疗五大关键环节中的回答表现，评估其在康复指导中的准确性、完整性、可靠性与可读性，并探讨其临床应用潜力。方法 从发布于2011年9月—2024年1月的10部国内外权威膝骨关节炎康复指南中提取21个核心问题，覆盖康复评估、物理因子治疗、运动疗法、辅助器具使用及患者教育5类任务，输入至ChatGPT-4.5与DeepSeek-V3中获取回答。由4名具有5年以上临床经验的物理治疗师使用Likert量表评估其回答的准确性（5分制）、完整性（5分制）与可靠性（7分制），比较两种大语言模型评分差异；另辅以语言风格聚类分析。结果 得分数据多不符合正态分布，以中位数（下四分位数，上四分位数）表示。ChatGPT-4.5的准确性[4.75(4.75,4.75) vs. 4.75(4.50,5.00)分，P=0.018]、完整性[4.75(4.50,5.00) vs. 4.25(4.00,4.50)分，P=0.006]和可靠性[5.75(5.50,6.00) vs. 5.50(5.50,5.50)分，P=0.015]得分均高于DeepSeek-V3。语言风格聚类分析显示ChatGPT-4.5语言风格更丰富，DeepSeek-V3更标准化。ChatGPT-4.5的词汇丰富度得分高于DeepSeek-V3[4.792(4.720,4.912) vs. 4.564(4.409,4.653)分，P<0.001]，句法丰富度得分低于DeepSeek-V3[2.133(2.072,2.154) vs. 2.187(2.154,2.206)分，P=0.003]。结论 ChatGPT-4.5在准确性、完整性与可靠性方面总体表现优于DeepSeek-V3，任务完成能力更强；其用词更为多样，具有较强的语言生成灵活性。DeepSeek-V3则在句法结构上表现得更为丰富，语言规范性更强。ChatGPT-4.5更适用于内容丰富、需要解释性强的任务场景，DeepSeek-V3更适合标准化问答型应用。

关键词： 大语言模型   提示工程   自动化提示工程   思维链   机器学习   进化算法   即插即用系统  

摘要： 基于提示学习的提示工程对于提升大语言模型的技术可及性、加速其推广扩散与应用开发至关重要。传统的提示工程过度依赖于提示词设计者的领域知识和使用经验，且不易满足提示空间较大的任务；相比之下，自动化提示工程能够自动化或半自动化地生成或优化提示词，以探索大规模的提示词组合，并通过自动优化技术提升提示词生成的稳定性。然而目前仍缺乏对自动化提示研究的系统性综述；因此，为了总结该领域研究现状、挑战和发展方向，及时跟进该领域的最新研究成果，详细梳理并评述自动化提示工程的实现形式，提出自动化提示工程的未来研究方向。依据自动化提示工程实现形式在逻辑推理和效能导向两个维度的取舍上，将其分为基于思维链的自动化提示工程、基于类机器学习模型的自动化提示工程、基于进化算法的自动化提示工程以及使用预训练包的即插即用系统。随后，全面评估自动化提示工程技术，构建其工作原理的理论解释框架，评估各类实现形势的适用性与局限性。最后，展望多模态大模型、强推理模型以及智能体中自动化提示工程的发展趋势，提出未来发展方向。