人工智能大模型教育场景应用优秀案例⑪
本文介绍了山东工业职业学院基于"无感知数据采集+AI学习分析"目标与需求双驱动的精准教学和个性化学习新模式。通过建立"一中心+N应用"的教学辅助平台，实现课程全链式的智能数据采集与分析处理。创新形成目标驱动与需求驱动的精准教学和个性化学习模式，开创新的教学模式，提升教师教学水平，组织开展泛在教学，创新学生评价模式，提升师生信息素养，使教学安排更合理、作业批改更及时、学习反馈更准确。该模式有利于培
【智慧教学】AI助手在高校教学中的应用：创建智能助教的实用指南
在当今数字化时代，人工智能（AI）正逐渐渗透到高校教学的各个领域，为教师提供了强大的辅助工具。对于高校教师来说，面对一些自身不擅长的工作，AI助手可以发挥巨大的作用。本文将详细介绍如何运用AI助手创建一个智能助教，并探讨其在教学中的实际应用。
国内外银行大模型应用对比：技术路线、落地场景以及23个国外典型案例
随着人工智能技术的飞速发展，全球银行业都在经历着一场由大模型技术引领的变革，不仅将改变银行业的服务方式，还将重塑客户体验和业务流程。近期，沙丘智库发布了《2024中国银行业大模型应用场景评估报告》和《2024中国银行业大模型案例跟踪报告》，系统性地分析了当前对中国银行业而言最有价值、最具可行性的20个大模型应用场景，并展示了70个中国银行业大模型实践案例，旨在帮助企业全面了解大模型在中国银行业的
TradExpert：基于大模型的股票交易新模式，年回报率高达49.79%
“TradExpert: Revolutionizing Trading with Mixture of Expert LLMs”人工智能与金融分析的融合，推动了金融领域的创新。传统金融模型主要依赖统计分析和时间序列预测，难以处理非结构化数据。LLMs能够解读复杂的金融数据，能更好地理解和预测市场动态。本文提出TradExpert框架，结合MoE方法，利用多个专注于不同金融数据的LLM（如新闻、
AI时代的教育之问 I ：教育焦虑
教育系统作为社会巨系统的一个关键子系统，在人工智能技术的驱动下，教育现象变得日益错综复杂，教育动因更加难以解析，教育风险也愈发难以预见。为了有效应对人工智能技术对教育系统的挑战与机遇，必须进行跨学科、跨圈层和跨领域的深入对话。为此，北京大学教育学院汪琼教授团队与腾讯研究院杨健、孙怡、吴朋阳等产学研共创AI教育课题组，开展AI+教育思想系列沙龙，旨在推动各方对话与教育变革，为智能时代的教育发展提供
1700万美金融资，世界首个AI创作+电商社区，这款产品旨在将你的想法变为实物
Arcade 的口号是“将你的想法变为实物”，允许任何人通过几个单词或一张图片，立即创建可用于娱乐、分享、购买或销售的定价实体产品。通过营造 AI 设计、内容、电商为一体的社区平台，Arcade 旨在让用户像分享照片或文字帖子一样轻松地通过产品创作表达自己。它模糊了梦想与现实、内容与商业之间的界限，为新的个人表达方式铺平了道路。“Sense 思考我们尝试基于文章内容，提出更多发散性的推演和深思，
「深度」Y Combinator：垂直领域AI Agent的市场规模将是SaaS的十倍
下一个千亿美元市场，可能催生出3000亿美元独角兽。 硬·AI 作者 | 硬 AI 编辑 | 硬 AI2024年，AI Agent的风吹的猛了些。在11月12日的「百度世界2024」上，百度创始人李彦宏重点指出“智能体是AI应用的最主流形态，即将迎来它的爆发点。”大洋彼岸，YC合伙人、资深投资人Jared最新一期深度解读中掷地有声地指出，垂直领域AI Agent有望成为比Saa
《RAG Flow搭建AI医疗助手》
在搭建AI医疗助手时，RAGFlow平台提供了一个便捷高效的方法。通过RAGFlow，你可以快速创建一个医疗问诊助手。该平台提供了智能问答系统，能提供基于证据的准确回答，非常适合构建医疗客服系统。此外，RAGFlow允许用户通过自定义模型和工作流来创建符合特定需求的AI助手。开源的RAG引擎：RAGflow 在当今科技飞速发展的时代，人工智能（AI）已经成为各行各业不可或缺的一部分
智能客服新标杆：亚马逊如何用AI实现80%售后问题自主解决？
亚马逊部署情感理解AI客服系统，实现80%售后问题自主处理，用户满意度提升25%，人工客服成本降低60%。
专题 | 金融机构的大模型AI+之路
在过去的一年里，大模型一直朝着AGI的方向大步前进，日新月异的变化远超历史任何时期。如阿里巴巴CEO吴泳铭在2024云栖大会上所说，AI最大的想象力不在手机屏幕，而是改变物理世界。大模型在不同行业的发展似乎已经开始呈现两种不同的轨迹：，大模型正在变得越来越聪明，不同模态之间的转化、交互和生成也更成熟，甚至开始探索自动驾驶、人形机器人等越来越广泛的真实世界领域；另一方面，在一些对专业性和严谨性要求