9月23日,2023年全国职业院校技能大赛(高职组)会计实务赛项在辽宁沈阳职业技术学院圆满落幕。76支代表队经过一天的比拼,河南经贸职业学院、安徽商贸职业技术学院、江西财经职业学院、长沙民政职业技术学院、淄博职业学院、金华职业技术学院、江苏联合职业技术学院徐州财经分院、江苏商贸职业学院荣获大赛一等奖,烟台职业学院、湖北财税职业学院、河北科技工程职业技术大学等15支队伍荣获大赛二等奖,山西省财政税务专科学校、福建船政交通职业学院、重庆财经职业学院等23支队伍荣获大赛三等奖。
本次大赛分为业财信息化业务处理和财务数字化业务处理两个模块,充分考核了参赛学生的会计专业知识和数智化财务技能。在一天的比赛过程中,参赛学生秩序井然,充分运用所学专业知识和技能你争我赶,展现了新时期大学生的青春风貌。
通过大赛,检验了高职院校财会类专业数智化教学改革成果,搭建了校校、校企深度互动与合作的桥梁,助推了职业院校财务类专业创新发展,能有效推动高素质应用型数智化财会人才培养,促进职普融通、产教融合,构建更高水平的职业教育,提高职业教育的适应性和吸引力,助力教育强国建设。
作为赛项独家合作企业,新道科技也将在为大赛提供更优的技术平台支持与服务的基础上,推动职业教育与产业深度互动,以数智产业前沿场景、案例和技术为依托,助力院校深化智能财务人才培养方案改革和人才培养模式创新,推进校企治理结构的再造,创新专业教改的新内涵,落实“岗课赛证”综合育人,构建智能财务人才培养新范式,培养更多应用型数智财会人才,服务社会经济发展。
2023年全国职业院校技能大赛(高职组)会计实务赛项获奖名单
好文章,需要你的鼓励
NOVER是一种创新的无验证器强化学习框架,解决了传统激励训练依赖外部验证器的限制。由伦敦国王学院研究团队开发,它通过计算"推理困惑度"作为奖励代理,使语言模型能在任何文本任务中自主发展推理能力。实验表明,NOVER在一般推理、创意写作、社会智能和多语言能力等多种任务上均优于基线方法,甚至使3B模型接近从671B模型蒸馏版本的性能。此外,其灵活性还支持"反向激励训练"等创新应用,为语言模型训练开辟了新方向。
韩国中央大学研究团队开发了名为CoPriva的基准测试,评估大语言模型遵守上下文安全策略的能力。研究发现,虽然多数模型能成功拒绝直接违反安全政策的查询,但在面对间接攻击时存在严重漏洞,泄露率平均增加40%以上。即使是推理能力强的模型也未显示出明显优势,且高忠实度的回答往往伴随更多信息泄露。研究团队评估了10种先进模型,发现政策存在与否对防止泄露影响有限,而修订功能仅能部分提升合规性。这揭示了当前AI安全对齐的重大缺陷,强调了开发更强健安全机制的紧迫性。
这项研究分析了混合专家模型(MoE)的"局部路由一致性"特性,即连续词元激活相似专家的程度,这对内存受限设备上的模型部署至关重要。研究者提出了两种测量指标:段路由最佳性能(SRP)和段缓存最佳命中率(SCH),分析了20个不同MoE模型。结果表明,在每层都使用MoE且不含共享专家的模型局部路由一致性最高,领域专业化的专家比词汇专业化的专家对一致性贡献更大。研究还发现,缓存大小为激活专家数量2倍时能取得最佳平衡,为MoE模型设计和部署提供了重要指导。
清华大学研究团队开发的"思维增强型策略优化"(TAPO)通过将外部高级思维模式整合到强化学习中,显著提升了大语言模型的推理能力。这种方法从仅500个样本中抽象出思维模板,在AIME、AMC和Minerva Math等基准测试中分别比传统方法提高了99%、41%和17%的性能,同时增强了模型的可解释性、稳定性和泛化能力,为AI推理研究开辟了新方向。