科技行者 11月26日 北京消息:11月25日,芥末堆举办的2019第五届GET教育科技大会在国家会议中心开幕。本届大会以“教学相长、学以促用”为主题,包含2全天、7大会议区、13场主题论坛、1场思维工坊、2场社交晚宴。在萧瑟的冬日早晨,GET的领袖论坛现场被围得水泄不通。
大会邀请了保利威、腾讯广告、美团点评、豆神大语文、华为云、360等企业,共同探讨互联网+教育+科技的背景下“教、学、用”各环节、各赛道的融合升级。这当中不仅有职业教育、大语文、素质教育、少儿编程等热门赛道的前世今生、全球信息化浪潮下的海内外教育市场演进,还有智能化教育的最新成果。
在大会开场致辞中,芥末堆创始人梅初九回顾了GET几年来的发展,并对教学相长、学以促用”的主题进行了诠释:“为什么提出这个主题?因为它包含了教育行业里面的所有主体和所有要素。”当我们谈论整个社会的教育时,它一共包含三个场景:家庭场景、学校场景和社会场景。而在如今家庭、学校、社会之间都无法达成和解,无法互相信任的情况下,互相之间的沟通和交流便显得尤为重要,这也是大会主题“教学相长,学以促用”的由来。
芥末堆创始人梅初九
因此为了让大家对教育细分模块有清晰全面的了解,也为了方便各赛道教育同僚互通有无,我们将领袖论坛的嘉宾别出心裁地进行分类聚集,使得同一领域的观点在平行的时空内自由碰撞。
保利威用视频中台赋能在线教育;慧科教育以产教融合、工学结合发展新职业教育;涉足教育领域的腾讯广告帮助教育企业建立品牌和用户的连接;豆神大语文不把大语文当作学科看待,而是要与泛文化产业做结合;华为云利用技术优势打破校园数据孤岛……不同的经验、不同的思考在同一个空间里相互交流,促进着家庭、学校、社会三种场景的磨合。
保利威副总裁周鑫
豆神大语文总裁赵伯奇
美团点评教育培训业务部负责人李亦兰
除了领袖论坛的精彩演讲外,集中关注某个领域及话题的分论坛氛围也热火朝天。各分论坛分别关注了资本、智能教育、海外教育、职业教育方面的讯息,另外对于新型的课程设计及营销方案也进行了探讨。
“政策引力下的教育新消费”分论坛关注了政策影响下的教育资本发展;“GET China Workshop”分论坛与海外嘉宾共同关注中国教育市场;“探寻智能化教育的边界”分论坛展望智能教育技术的未来;“后厂时代的职业教育机会”分论坛为火热的职业赛道辨明方向;“新型融合课程设计方案”分论坛探讨创新的教学方案和模式;“从0到1,寻找增长的N个方式”分论坛为教育获客增长添加新的动力。
从领袖论坛到分论坛,教育的包罗万象可见一斑。一天的会议只是教育万象中的沧海一粟,但我们愿意将宝贵的经验与美好的愿望悉数奉上。
此外,除了内容上的切中实际与趋势以外,我们也采取了更为开放的心态与大家进行互动,将展区免费开放给了观众们,让最新的教育产品和讯息展现在观众眼前,这也直接使得大会现场人数由往年的数千跃升至上万人。
25日议程结束,26日议程精彩还在继续。领袖论坛11月26日上午场,相关政府组织与教育信息化领域的A股上市企业,将分享对于教育信息化领域的分析与展望。领袖论坛11月26日下午场,我们邀请到了K12领域的优秀企业与国外的优秀教育机构与组织代表,让影响与改变持续发生。此外分论坛分别关注了素质教育、大语文、精细化运营、少儿编程、教育科技以及海外教育信息,同样期待您的来临。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。