关键词： 人工智能   文科类大学生   就业影响   应对策略  

摘要： 针对当前文科大学生的就业问题,本文研究了人工智能对文科类大学生就业的影响及应对策略。研究表明,文科类大学生就业面临就业率低、就业质量不高等问题,人工智能对文科类大学生就业具有重塑就业结构、改变劳动关系、提高能力要求等影响,既带来了挑战,也提供了新的机遇。通过调整文科招生规模、加强大学生自主学习、加强高校就业引导等策略,可让文科大学生更好地发挥专业优势,应对人工智能带来的就业市场变化,提升就业水平。

关键词： 人工智能   文化传播   秧BOT   创新实践  

摘要： 本文以中央广播电视总台《2025年春节联欢晚会》节目《秧BOT》为例,分析人工智能技术在节目中的具体应用,从文化传播的视角,探讨《秧BOT》如何通过创新内容呈现形式和多渠道传播策略,扩大传统文化的覆盖面和影响力,进而从节目的创新实践出发,分析其对广电视听行业高质量发展的启示。

关键词： 人工智能   人类智慧   唯智主义   本届人类慧智能  

摘要： 从人类学视野比较“人工智能”与“人类智慧”,可探讨有关智人演化的未来前景。围绕“人工智能”的研究,不仅指涉“人工”和“智能”,还关联人类物种的自我确定、演化历程及未来境遇,因而需要重新评估人类在自然界的位置与“使命”。梳理从机械工具到数码智能的技术迭代可见,如不重视以人类智慧提升并制约人工智能,本届人类或被替换为芯片主导的“数智物种”,为此亟需在算法至上潮流中警惕“唯智主义”。通过勾画由算据、算法和算力合成、同时受算因与算果驱动和制约的巨型数智框架,可见“唯智主义”的危险在于将世界计算(机)化,让万物———包括人类在内都纳入数智框架之中,并且全都化简为由后台支配的程序与界面、客户与终端。未来前景取决于本届人类的最终选择:造人还是造机器?“造”的意涵包括制造、改造和重造;造的结果则受制于人机关联,有待“人工智能”与“人类智慧”的互补兼容,以及“数智物种”与“本届人类”的心-芯对应、制约共生,继而创建碳硅互补的“慧智能”。

关键词： 人工智能   神经网络加速器   存内计算   只读存储器   集成电路  

摘要： 神经网络是人工智能的代表性算法,然而其庞大的参数量对其在边缘端的硬件部署提出了新的挑战。在边缘端,一方面,为了应用的灵活性,要求计算硬件能够通过模型参数的微调来实现网络在任务间的迁移;另一方面,为了计算能效和性能,需要实现大容量的片上存储以减少片外访存开销。近期提出的ROM-SRAM混合存内计算架构是在成熟CMOS工艺下很有潜力的一种方案。得益于高密度ROM存内计算,神经网络的大部分权重可以部署在片内而不依赖片外访存;与此同时,SRAM存内计算可以为基于高密度ROM的边缘端存内计算提供灵活性。为了扩展ROM-SRAM混合存内计算架构设计和应用的空间,需要进一步提高ROM存内计算的密度以支持更大的网络,并探索通过少量SRAM存内计算获得更大灵活性的方案。文中介绍了几种常见的提升ROM存内计算密度的方法,以及基于ROM-SRAM混合存内计算架构的神经网络微调以提升灵活性的方法,并讨论了超大规模神经网络的部署方案和长序列大语言模型中遇到的动态矩阵乘瓶颈的解决方案,展望了ROM-SRAM混合存内计算架构广阔的设计空间和应用前景。

关键词： 国企档案管理   数字化转型   人工智能  

摘要： 引言国有企业档案管理体系的数字化转型已成为深化国资国企改革的重要着力点。传统档案管理模式依赖人工整理与物理存储,在应对海量历史文档管理与实时调阅需求时,普遍存在效率低下、检索精度不足等现实问题。随着企业运营年限增长,档案数据规模呈指数级扩张,纸质档案的保存空间限制与电子档案的异构性问题交织叠加,形成制约管理效能提升的双重瓶颈。

关键词： 人工智能   虚拟仿真   基础力学实验   教学改革  

摘要： 基础力学实验作为土木工程、机械工程等专业的核心实践课程,传统教学模式下,存在实验设备数量有限,学生动手操作机会不足;高危实验安全风险高,教学实施受限;学时压缩与实验需求矛盾突出,固定化实验流程又抑制个性化发展。对此,我校依托已建成的差异化虚拟仿真实验平台,引入人工智能技术为学生规划个性化实验路径,并借助虚拟仿真系统开展多场景训练。独立样本t检验表明,实验组在操作规范性、实验报告质量和知识应用能力3个关键维度上均显著优于传统组。因此,基于虚拟仿真和人工智能的实验教学模式能有效提升教学效果,为教育技术革新背景下的基础力学实验改革提供了新的思路和差异化实施方案。

关键词： 维持性血液透析   血管钙化   机器学习   预测模型  

摘要： 目的构建并对比维持性血液透析患者发生血管钙化的3种机器学习预测模型。方法选取300例维持性血液透析患者为研究对象,按照7:3的比例随机分为训练集(210例)和验证集(90例),根据患者是否发生血管钙化将训练集分为有钙化组(124例)和无钙化组(86例)。分别采用Logistic回归、随机森林、支持向量机构建维持性血液透析患者发生血管钙化的预测模型,并使用验证集数据评价这3种机器学习预测模型的预测能力。结果在训练集中,Logistic回归模型、随机森林模型、支持向量机的AUC分别为0.835、0.886、0.872;在验证集中Logistic回归模型、随机森林模型、支持向量机的AUC分别为0.823、0.879、0.866。Delong检验显示3种机器学习预测模型的AUC具有差异(Z=2.663、2.751,P=0.003、0.001)。Logistic回归模型、随机森林模型、支持向量机模型均具有较好的一致性(χ^(2)=4.018、4.661、3.892,P=0.642、0.887、0.739)。结论基于机器学习的维持性血液透析患者发生血管钙化的Logistic回归、随机森林、支持向量机模型均显示出较好的预测效果,其中随机森林模型的表现最好。

关键词： 滑坡   降雨   机器学习   位移预测   可解释性   预警  

摘要： 滑坡位移预测是监测预警工作的重要一环。机器学习算法具有较高的预测精度,广泛应用于滑坡位移预测,但其具有可解释性差的不足。为此,本文提出一种融合极限梯度提升(Extreme Gradient Boosting,XGBoost)算法和可解释机器学习模型(Shapley Additive Explanations,SHAP)的可解释滑坡位移预测模型(XGB-SHAP)。以四川雅安多营滑坡为例,将滑坡位移时间曲线分解为趋势项和周期项,选取前期降雨量和前期位移等因子作为模型的输入特征,通过XGBoost和差分自回归滑动平均模型(Autoregressive Integrated Moving Average model,ARIMA)分别对其周期项和趋势项位移进行预测,最后对该预测模型进行解释。结果表明:XGB-SHAP预测总位移的平均绝对误差和均方误差分别为2.46和3.38,相比于其他模型具有更高的精度;模型解释结果表明当前期30 d累计位移超过20 mm或7 d最大降雨超过19 mm时,位移增长明显。XGB-SHAP模型不仅具有较高的预测精度,同时能解释致灾因子与滑坡位移的关系,可为滑坡预警阈值及模型建立等工作提供参考。

关键词： 智能制造   新质生产力   企业基础研究   智能生产转型   机器学习  

摘要： 发挥智能制造支撑引领作用,加快形成新质生产力是推动高质量发展的内在要求和重要着力点。基于2011—2022年中国制造业A股上市公司数据,采用双重差分法探究中国智能制造试点示范项目对企业新质生产力的影响。研究发现,智能制造政策实施显著提升了企业新质生产力,采用机器学习方法等一系列稳健性检验后结论依旧成立。机制分析表明,智能制造政策主要通过促进企业基础研究、智能生产转型和劳动力结构优化催生新质生产力。异质性分析表明,智能制造政策对企业新质生产力的提升作用对高新技术企业、技术密集型和劳动密集型行业以及知识保护水平较高地区的企业更为有效。进一步分析发现,智能制造政策能够对下游企业新质生产力产生正向溢出效应。研究结论为国家工业智能化政策推广和企业新质生产力跃升提供了有益的理论支撑和实践启示。

关键词： 固态电池   人工智能   自然语言处理   材料数据库  

摘要： 大语言模型的出现极大地推动了科学研究的进步.以ChatGPT为代表的语言模型和DeepSeek R1为代表的推理模型,为科研范式带来了显著变革.尽管这些模型均为通用型,但它们在电池领域,尤其是固态电池的研究中,展现出强大的泛化能力.本研究系统性地筛选了2024年及之前重点期刊中的5309268篇文章,精准提取了124021篇电池相关文献.同时,我们全面检索了欧洲专利局与美国专利局2024年及以前的申请与授权专利,共计17559750篇,从中筛选出125716篇电池相关专利.利用这些文献与专利,对语言模型的知识储备、实时学习、指令遵从和结构化输出能力进行了大量实验.通过多维度的模型评估与分析发现:当前的大语言模型在信息分类和数据提取等的精度基本达到了研究生水平,语言模型在内容总结和趋势分析方面也展现出强大的能力.同时,我们也发现模型在极少数情况下可能出现数值幻觉问题.而在处理电池领域海量数据时,模型在工程应用方面仍存在优化空间.我们根据模型的特点和以上测试结果,利用模型提取了无机固态电解质材料数据,包括离子电导率数据5970条、扩散系数数据387条、迁移势垒数据3094条,此外还包括1000多条化学、电化学、力学等数据,涵盖了无机固态电解质所涉及的几乎所有物理、化学、电化学性质,这也意味着大语言模型对科研的应用已经从辅助科研转向主动促进科研发展阶段.本文数据集可在中国科学院凝聚态物质科学数据中心查看,网址https://***/literature/*** (DOI:https://***/10.57760/sciencedb.j00213.00172).