有了稳定网络和硬件设备,广西龙脊镇江柳村翁江小学的课堂教学丰💯富了很多。在“梦想钥匙”公益项目进驻学校的8年时间里,除了数🚀字化教学模式,还有学生们通过网络,接触大山以外世界时的变化。🙌《2023年数字乡村发展工作要点》中,有关乡村教学,提出了推😊进“互联网+教育”,完善农村地区学校和教学点网络及卫星电视教😡学环境。振兴乡村教育,加快乡村学校信息化建设,成为拉齐城乡教😘学质量的有效方式。 村小的不可或缺性 由于路途遥🚀远,部分乡镇配备了寄宿设施,缓解了乡村教育问题的同时,也引发🔥了一定比例村小的撤点和关闭。但在一些偏远地区,年轻人外出务工😅、老人幼童留守的情况还比较普遍,学龄前和适龄儿童的教育问题相🤩对突出,村小仍是解决偏远山区教育问题的最好途径之一。 🚀对此,在大山深处江柳村翁江小学这座“一般人到不了的学校”坚守🙄了14年的老师余启贵,是亲历者,也是感悟者。江柳村是当地瑶族😍聚居的村落,现有村民201户,约1000人,80%为留守老人🙄与儿童,翁江小学是村子里唯一的村小教学点。以前翁江小学的教学😅环境差,教学质量常年在乡里倒数,学生多是留守儿童日常跟爷爷奶🥳奶一起生活,性格内向敏感。 “这里太偏僻,外地老师基本🙄进不来留不住,本地老师才是学校的主要力量。”余启贵介绍说,本🤗地老师更了解当地风土人情,方言沟通无障碍,村民的信任感强,这😀些因素使得本地老师更容易与学生家长正向沟通,说服老一辈认识到😀读书的重要性,把孩子送进学校。 2015年“梦想钥匙”😉为翁江小学接入了稳定的网络,提供了相应的硬件设备,翁江小学实🤩现了与当地中心校的在线联动,让江柳村的孩子在家门口就能接入中🥳心校的教学资源,也让本地老师有了更多施展空间。在教学设施完善🔥的基础上,余启贵老师进一步引入了“学前教育”理念,在学校增设😘了学前班,招收村组学龄前的小朋友进课堂。“学前教育很重要,好😎的学习习惯养成正是在这个阶段”余启贵表示,在多方的努力下,孩😁子们的性格开朗了,村小的教学质量稳步提升,现在能排进乡里前一😂二名。 拉齐缩小教学水平差距 《中国农村教育发展⭐报告2020-2022》显示,2021年全国有义务教育阶段农🤔村留守儿童1199.20万人,与2012年相比减少1071.😘87万人,减幅达47.20%。学前教育、义务教育阶段,乡村教🤗育多项发展指标进步明显。城乡差距在缩小,但农村儿童发展所需资😍源仍严重不足。 一些相关的测量能力指标显示,不论学习能😅力或者是发展能力,农村儿童相对城市来说还存在着很大的差距。造❤️成这种差异的原因之一是农村教师资源严重不足。基层村小老师,仍😅存在一定比例的“一人教全科”。以江柳村翁江小学为例,学校只有🌟余启贵一位老师,学生最多的时候,他一个人负责全校33名学生所😘有课程的教学工作。除了不同年级的语文、数学等基础课,还要兼顾💯音乐、美术、体育等素质教学任务。“本地老师虽然有沟通优势,但😆知识体系单一又没有外力支援,教学水平严重受限。在我们这些偏僻❤️地区,这个问题尤其突出”余启贵表示,在“梦想钥匙”接入前,教🌟学工作真是分身乏术,没办法同时兼顾到所有学生。 201😉5年,WiFi万能钥匙与中国社会福利基金会免费午餐基金共同发🤯起“梦想钥匙”公益行动,翁江小学成为“梦想钥匙”第一所免费上🤩网学校的试点。“梦想钥匙”项目方联系当地政府与网络运营商为学🌟校引入了有线网络、安装无线路由器等设备,为这个道路条件恶劣,😍常年阴雨的偏僻山区小学架起通向世界的新通道,用社会力量助力传⭐统村小实现教学数字化。 提升乡村教学数字化 在接👏入“梦想钥匙”免费网络8年后,江柳村翁江小学学校和学生的整体👍状况都有了极大改善。网络改变了这所村小的教学环境和方式,从根🙌本上解决乡村教师减负提质的问题。 互联网的力量发挥功效💯,为乡村教育振兴提供长久可行之道。 现在,广西省统一的😴电子课件已经通过网络覆盖到翁江小学,各年级学生可以同步上课。😀有了网络,翁江小学与中心学校实现在线联动,各学科全方位教学也😜得以实现,教学质量提升明显。 网络带来的教学多样化不仅😢丰富了城市孩子的学习生活,也影响着偏远山区的孩子。翁江小学学😘生的普通话水平已经远超8年前的孩子们。余启贵老师说,接入网络🚀后,翁江小学的孩子们对世界的了解丰富多元起来,性格明显更活泼💯外向,独立思考能力强了,课业外的知识储备也更多了。 发👏展城乡学校共同体,是农村教育的趋势。无论是WiFi万能钥匙的🚀“梦想钥匙”公益行动、还是网易的“一块屏”网课公益项目,都持😉续关注着偏远地区教育问题。通过集结社会公益力量,为乡村教育提😉供智能硬件,引入优质课程,提供信息化平台等援助,让教育机会会😍更加均等。 网络和技术,不仅让偏远山区的孩子有机会享受😉到更多的优质教育资源,也为扎根乡村教育的老师们提供更多的学习🤔和成长资源,真正从根本上振兴乡村教育,切断贫困代际传递,缩小🚀城乡差距。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多