教育焦慮已經成了全民話題。去年以來,從輿論導向到配套政策,似乎也在回應這個問題。其中一個手段是「分流」,也就是在社會關注度最高的高考之前,把學生分流到不同的教育層次。
這種措施已經實打實地在進行了,比如高考雖然關注度高,但它不是難度最大的考試,因為它的錄取率有75%,而高中的錄取率在未來會保持或邁向50%。
這種「分流」能解決教育焦慮嗎?我們先來做兩個假設。
第一個假設關于“桃子”。假設有三個人,都喜歡吃桃子,但是只有4個桃子,每人分不到2個。如果分桃子的人說,讓我們來減少一半的桃子至2個,功勞少的兩個人可以選擇退出,剩下的一個人就可以拿到2個桃子了。
第二個假設關于“蘋果”。假設有三個人,都喜歡金蘋果。但是只有2個金蘋果,不能保證每人1個。分蘋果的人說,讓我們減少1個金蘋果,不夠漂亮的兩個人可以退出,剩下的那個最美的人就可以保證拿到金蘋果了。
兩個假設中,分別的三個人,是否會有人在減少了桃子和蘋果的情況下,主動選擇退出,讓剩下的人輕松拿到獎勵,避免三個人的共同焦慮?
這兩個假設,其實有現(xiàn)成的答案。
第一個假設,如果發(fā)生在春秋戰(zhàn)國,結局會變成三個人都自刎而亡。這就是著名的“二桃殺三士”的故事。
第二個假設,如果發(fā)生在希臘神話里,結局將會是引發(fā)一場戰(zhàn)爭,那就是“特洛伊之戰(zhàn)”。
回到教育焦慮這件事兒。
其實這和分桃子、金蘋果的故事很像。家長們非常重視子女教育,但是優(yōu)秀的大學名額是有限的,造成了激烈的競爭。
而高考前的「分流」,從高中階段減少入學名額,提高中考難度,就相當于減少獎勵比例,讓有些人知難而退,從而降低高層次競爭難度。
但是桃子和蘋果的故事告訴我們,減少供給,并不會減少焦慮,反而會讓競爭變得更加慘烈。
因為教育從來不是教育問題,而是一個相對公平的,提供階層躍升,或者階層更新的競爭系統(tǒng)。
這就好比,要解決高房價,暫停土地拍賣和叫停房地產融資,也不可能讓房價下降,只有提供更多低成本的土地才可以。
只有增加供給,才能讓競爭者的心態(tài)更平和,焦慮更少。
減少優(yōu)質資源供給,或者設定前置分流系統(tǒng),只會讓焦慮更加嚴重,或者讓焦慮換一種方式存在。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。