【厦大团队】DeepSeek大模型赋能高校教学和科研_124页_15mb

DeepSeek大模型赋能高校教学和科研

报告概述

• 报告名称：DeepSeek大模型科普报告（高校篇）
• 发布机构：厦门大学大数据教学团队
• 负责人：林子雨副教授
• 特点：涵盖大模型基础、应用实例、高校落地方案；非技术性科普报告

报告内容摘要

章节导航

1. 人工智能与大模型发展
   • 明确AI发展简史与愿景
   • 提出“每个人都应具备的AI素养”
   • 对标斯坦福教授观点：AI能力成为未来必备技能

2. 大模型技术解析

• 核心定义：
  相对传统模型具备超大规模参数，强调：

  • 参数量级（百T级）
  • 训练数据量
  • 上下文窗口（万级）
  • 微调强化机制

• 分类体系：

  • L0通用大模型：跨领域智能体
  • L1行业大模型：医疗、金融等专业领域模型
  • L2垂直任务模型：特定场景模型

• 技术架构：
  构建于Transformer架构，采用认知- decoder结构，基于自注意力机制实现语义关联

3. 高校落地实践

• 部署动因：

  • 数据隐私与本地部署必须
  • 脱离“在线九宫格”限制
  • 突破封闭性与定制化需求

• 技术方案：

  • 提供本地推理解决方案：单卡运行DeepSeek满血版(RTX4090方案)
  • 三大应用策略：
    1. 领域微调
    2. 知识增强
    3. 模型蒸馏기술 혁신을 이루도록 노력하겠습니다

4. AIGC创新应用

• 主要场景：
  包括文本、图像、语音、视频生成系统
• 实用案例：
  • 教师节海报生成链路（DeepSeek + 即梦AI）
  • 智能转写工具“鬼手剪辑”
  • 数字人播报系统（通义万相）

5. 智能体技术实践

• 实现路径：
  RAG 技术 + 多Agent协同决策机制
• 应用场景：
  • 学生心理分析智能体
  • 多语种全球课堂翻译系统
  • 自适应学习编排引擎

6. 科研教学深化改革

• 科研效能：

  • 快速文献综述生成（1分钟处理500页论文）
  • 跨学科知识图谱构建
  • 实验设计辅助系统（分子结构预测）

• 教学创新：
  展开描述六个具体维度，包括人工智能增强课堂教学体系、智能作业批改系统、VR仿真实验平台、导师制学伴系统等创新实践

整体结论

• 2025年高校AI应用从“边缘探索”转向“深度整合”
• 大模型作为辅助工具，提升学术生产力，强调人机协作的新范式论思考，充分发挥教师主导与AI支撑的双轨机制