2023年暑期虽已结束近两周,但“暑期后遗症”仍未结束,网络游戏依然让人着迷、短视频还是刷了难停……智能科技的发展,使青少年的网络使用率不断上升,也使不少家长愈加头疼。
8月,中国互联网络信息中心发布的第52次《中国互联网络发展状况统计报告》显示,一方面,我国网络游戏用户规模达5.22亿人,占网民总数的48.9%;另一方面,国内活跃APP数量已达260万款,全面覆盖了青少年的学习生活领域,网络沉迷和手机依赖问题也日益严重。
与此同时,智能科技的进步也在推动教育场景和学习方式实现新一轮变革。行业数据显示,智能教育产品和学习方案蓬勃发展,在K12教育领域已取得明显成效并获得更多关注,2021年至今仅K12教育智能硬件领域融资案例近30起;家庭教育方面,教育科技产品和服务不断升级迭代,为学生自主学习提供更多支持,也更好地辅助家长指导孩子,受到家庭欢迎,市场需求明显上升。
一边是令家长担忧的因素,一边是未来发展的趋势和必然选项。智能科技为何呈现出两种完全不同的面貌?
对此,北京回龙观医院酒精依赖病区主任于健瑾在接受中国青年网采访时指出,家长对孩子的陪伴和认可非常重要,让孩子在现实生活中获得足够快乐,才能避免其过度沉迷虚拟世界。共青团中央近期发布的《未成年人短视频使用与学习研究报告》也显示,家庭陪伴时间多的未成年人,其经常使用短视频的比例较低,长时间使用短视频的比例也较低。受访的未成年人中,使用短视频时经常有家人陪伴者,其经常使用短视频的比例为11.4%,而家人从不陪伴者,经常使用短视频的比例高达37.0%。
如果获得适当引导,智能科技也可能成为青少年掌握现代化技能、实现个性化发展、进行自主学习的有效工具。
近期,原创少儿励志英语演说节目“第二届iEnglish英语风采秀”正在多家视频平台热播。节目中,小选手用流利的英语演讲表达自己的想法,展现当代中国青少年的素质和风采。
第二届iEnglish风采秀的选手敬隆怡凭借落落大方的台风、流利的英语表达赢得了观众和专业成长见证官的一致好评。敬隆怡妈妈在比赛结束时表示,虽然敬隆怡也是每天离不开屏幕,但孩子的学习热情一直很高,每天都会主动进行英语阅读。与其他小选手家长一样,她在接受采访时重复最多的词汇就是“陪伴”。
而在智能学习解决方案的陪伴下,亲子陪伴变得更为有效,家长能够随时随地陪伴孩子阅读英文原版书籍、聆听经典故事音频、体验智慧教育游戏等。

“我英语成绩的变化简直可以称之为是一个奇迹。在使用智能学习解决方案前,我英语成绩最低考过16分,最高也不过是60分。但在妈妈陪伴下,通过自己的努力再加上iEnglish的辅助,半年内我的成绩就提高到了120分,初三时就已经是年纪第二名。”敬隆怡表示:“当时的英语学习氛围不是特别好,但妈妈一直陪伴我学习iEnglish,当习惯成自然,英语自然就得到了提升。”
敬隆怡的妈妈则说:“iEnglish带来的改变不仅仅是这样,更重要的是孩子更加自信了,家里的阅读氛围也更好了,同时iEnglish还可以搭建起父母与孩子沟通的桥梁,通过写信的方式进行沟通交流,更好的拉近彼此的关系。”
iEnglish等智能学习产品和服务可以帮助家长更好理解和陪伴孩子。其设置的独立“iEnglish家长圈”功能,使家长实时掌握孩子的学习动态和学习数据,既可更好了解孩子的学习进度,也可以提供更高质量的陪伴。
科技发展迅猛,利弊并存。iEnglish未来教育研究院副院长杨光表示,我们应加强对信息的判断,既要拒绝被不良信息误导,又应抓住时代机遇,利用智能科技充实、提升自己。“智能科技如同一把双刃剑,如果正确使用,可有效提高学生学习效率和自主学习能力;但如果使用不当,也可能沉迷其中,影响学习和生活。家长应当重视陪伴的力量,引导学生正确理性地对待和利用智能科技,使其成为学习进步的助力,而非障碍。”
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。