导读： 报告聚焦人类语言理解与AI算法发展，深入探讨了语言在人类和AI领域的重要性、大语言模型的构建与推理模型的训练，以及AI在教育领域的应用。

1. 人类语言理解与AI语言处理：语言是人类区别于动物的关键能力，它赋予人类秩序、是思维和合作的工具。人类理解语言基于大脑中已建立的神经连接，通过整合上下文信息来消解语义歧义。而计算机需将信息数字化才能处理，在语言处理方面，传统词向量模型存在缺陷，大语言模型借助Transformer架构和注意力机制，能为每个词生成上下文相关的词向量，解决多义词和上下文依赖问题 。

2. 大语言模型的构建与工作原理：大语言模型（LLM）能通过对话回答问题，其答案是自动生成的，类似文字接龙游戏，基于模型内部参数预测下一个词的概率。模型参数通过大量数据训练不断调整优化，以拟合数据的分布规律。训练流程包括预训练、指令微调、奖励建模和强化学习。预训练阶段整合多源数据构建语料库，用超级计算集群和分布式训练算法优化参数，形成基座模型；指令微调阶段通过少量高质量样本优化模型以理解和执行任务指令；奖励建模构建评估模型，强化学习让模型根据奖励反馈生成更符合人类偏好的文本 。

3. 推理模型的发展与训练*推理模型是能进行复杂推理任务的大型语言模型。以DeepSeek-R1系列模型为例，DeepSeek-R1-Zero采用纯强化学习训练，设置了准确度、格式等激励类型，训练中自然学会通过更多思考解决推理任务。但它存在可读性差和语言混淆的缺陷，DeepSeek-R1在此基础上通过有监督微调和强化学习改进，还利用模型蒸馏技术，用大规模模型数据提升小规模模型效果，在多项测评中表现出色 。

4. AI在教育领域的应用：AI在教育领域应用广泛，如DeepSeek可辅助编程、与即梦AI合作生成图片等。通过构建苏格拉底式教学智能体，能赋能教与学，推动教育从知识本位向能力本位转变。在实际教学中，智能体通过一系列问题引导学生思考，帮助学生自主推理和反思，培养批判性思维和自主学习能力，例如在特征人脸算法的教学中，智能体逐步引导学生完成算法的实现 。

免责声明：

来源： 浙江大学，互联互通社区推荐阅读，版权归作者所有。文章内容仅代表作者独立观点，不代表互联互通社区立场，转载目的在于传递更多信息。如涉及作品版权问题，请联系我们删除或做相关处理！