亚马逊中国日前宣布,Kindle“书路计划”电子图书馆及“爱心书包”捐赠仪式在河南省桐柏县回龙乡第一中心小学举行,标志着首批10个Kindle“书路计划”电子图书馆在云南、贵州、河南、河北以及甘肃五省农村小学的正式启用。亚马逊全球副总裁、Kindle中国区总经理张文翊,中国扶贫基金会资源发展部主任丁亚冬,青年作家路明以及浙江出版集团数字传媒有限公司副总经理樊芸等出席捐赠仪式,共同见证了Kindle“书路计划”电子图书馆在回龙乡第一中心小学的落成——包括14台Kindle Paperwhite电子书阅读器及浙江数媒等6家出版社免费捐赠的500余本电子书籍。同时,Kindle还向回龙乡第一中心小学的500多名学生捐赠了包括文具和美术用品的“爱心书包”。
“书路计划”是由Kindle与中国扶贫基金会共同发起的创新公益项目,依托Kindle电子书设备平台、出版社和作家等资源,为云南、贵州、河南、河北以及甘肃五省的10所农村小学捐建Kindle电子图书馆。众所周知,阅读是孩子们获取知识的源泉,写作是孩子们理解知识的关键途径,只有读更多更好的书,更多地写作,孩子们才能拥有更加美好的未来。因此,整个“书路计划”围绕阅读和写作而进行,共分为了三阶段,包括第一阶段的10所小学作文征集及出版发行、第二阶段的作文选集《书路童行》义卖和第三阶段的10所电子图书馆及约4800个“爱心”书包的捐赠。
2000多名小学生踊跃参与了此次Kindle“书路计划”的作文征集活动,最终600多篇文章入选并被集结成册,出版为作文选集《书路童行》。在作文中,小朋友们赞美家乡、谱写亲情、分享阅读体会、畅想未来,稚气的文笔中洋溢着对生活的热情和对梦想的追求,这些真挚动人的文字也感动了广大的Kindle电子书读者,引发了社会各界人士的关怀及热忱支持。目前电子书上线发行和义卖已圆满结束,义卖的所有款项悉数用于电子图书馆的建设。最终,共计138台 Kindle电子阅读器用于农村小学Kindle电子图书馆的建设。
“授人以鱼,不如授人以渔”。Kindle “书路计划”的发起,是为了帮助那些阅读资源有限的农村孩子,让他们可以读到更多更好的书,让他们看到不一样的世界,将他们带向更多可能的未来。更重要的是,让孩子们亲身参与征文比赛,深刻体会“书山有路勤为径”的道理,鼓励他们通过多阅读、增见识、勤写作、逐梦想,亲手谱写属于自己的成长之路。
亚马逊全球副总裁、Kindle中国区总经理张文翊在致辞中表示:“过去三年,Kindle一直致力于点燃中国大众的阅读热情,并在中国搭建起了以电子书阅读设备、电子书店为核心的完善生态系统。在Kindle的发展过程中,激发青少年的阅读热情一直是我们的关注重点。我们希望通过阅读消弭城乡之间、地区之间的教育鸿沟,这也是我们发起‘书路计划’的初衷。我很欣慰地看到,‘书路计划’赢得了社会各界人士的支持和帮助,成为一个让更多爱心人士参与进来的公益平台。我也衷心希望借助Kindle自身的技术优势和资源优势,能够继续为改善欠发达地区儿童的阅读条件贡献力量。”
河南省桐柏县回龙乡第一中心小学校长姚春雨表示:“‘书路计划’这一公益项目对我们学校有着非同寻常的意义,它不仅缓解了我们学校阅读资源稀缺的现实问题,也大大鼓励了孩子们对阅读的热情和对写作的追求。当孩子们听说他们的作文可以做成电子书并且可以换回更多的新书时,有的孩子高兴的在教室里欢呼,甚至跳了起来。感谢Kindle和中国扶贫基金会为孩子们提供了这样一个机会,感谢社会各界人士对我们的爱心和帮助。我相信,在Kindle‘ 书路计划’电子图书馆的支持下,孩子们将会拥有更加完善的阅读条件,尽情享受畅游书海的乐趣,放飞梦想的翅膀。”
在捐赠仪式上,Kindle中国的志愿者代表还对Kindle使用方法进行了现场讲解。来自中央音乐学院的师生们在现场演奏了古典音乐,让孩子们切身体会到了音乐的魅力。
亚马逊将组织爱心志愿者对捐助的学校进行回访,实地了解学生、老师们对Kindle电子书的使用情况,切实解决他们遇到的问题。Kindle还将联合中国扶贫基金会对所捐电子图书馆中的Kindle电子书阅读器进行设备维护和内容更新,力求将“书路计划”真正打造为可持续的公益项目。
好文章,需要你的鼓励
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。
上海AI实验室团队发现自回归图像生成模型存在局部依赖、语义不一致和空间不变性缺失三大问题,提出ST-AR训练方法。该方法通过掩码注意力、跨步骤对比学习和跨视角对比学习,让AI"先理解再生成"。实验显示,ST-AR将LlamaGen模型的图像理解准确率提升一倍以上,图像生成质量提升42-49%,为构建更智能的多模态AI系统开辟新路径。