城市体系规模结构研究的新方法——位序累积规模模型

利用位序累积规模模型与位序-规模法则定量分析2000~2014年中国城市体系规模结构的省际差异及其变化特征。结论如下:使用位序-规模法则进行区域城市体系规模结构对比与演变分析时会存在较大的不确定性,而位序累积规模模型更能准确刻画区域城市体系规模结构的特征;中国各省区β值排名靠前的多属于自然地理条件优越、社会经济比较发达的地区,其变化大致表现出增幅东大西小、增长率南高北低的特征;位序累积规模模型能较准确地反映出自然与社会经济条件对区域城市体系规模结构的影响,但随着社会经济的发展,自然地理和基础设施条件对城市体系规模分布的影响不再显著。

城镇等级体系的Beckmann模型与三参数Zipf定律的数理关系——Beckmann城镇等级-规模模型的分形与分维

从基于中心地体系的 Beckmann城镇等级 -规模模型 Pm=RKSm- 1 /( 1 -K) m出发 ,通过序列的对称性分析 ,导出三参数 Zipf模型 P( N ) =C( N -α) - dz,证明了参数 dz的分维性质 ( dz=1 /D)以及 Beckmann模型与 Davis二倍数规律的等价性 ,进而借助基于 Beckmann模型的城镇化水平公式 Z=KS/( K +S-1 )的单调增减性规律论证 :中心地的“等级阶梯”必将向 Zipf式位序 -规模分布自然演化 .

语言资源视角下的大规模语言模型治理

近半年来,柴语生(ChatGPT)等大规模生成式语言模型的应用,引发了全社会的关注和反思。对这种大模型,应以工具观加以正视,认可其技术发展带来的益处,同时尽量规避其风险。对它们的治理,应减少对技术本身的干预,将目标定位于大模型赖以研发的语言资源和投放之后的使用。对大模型研发中的语言资源治理,应着力打破中文数据孤岛:发展以联邦学习为代表的分布式模型构建技术,建立国家知识数据开放机制,尽快健全开放、高效的语言数据交换市场;提倡世界知识中文表达,助推中文大模型研发:尽快实现中文精华知识资源面向网络开放,完善中文概念、术语资源,做大、做全领域中文资源。对大模型使用领域的治理,则因大模型本身也是一种重要的语言资源,故应强调其基础资源地位,从标准化、评测和伦理规制的角度进行。

大规模生成式语言模型在医疗领域的应用:机遇与挑战

目的/意义以ChatGPT为代表的大规模生成式语言模型带动了通用人工智能技术快速发展。大规模生成式语言模型能否在医疗领域应用取得成功是学术界和工业界密切关心的问题。本文旨在深入研究大规模生成式语言模型在我国医疗领域应用中的机遇与挑战。方法/过程从知识容器、能力引擎和自治智能体3方面出发,分析大模型在医疗提质增效、解决我国医学发展不平衡问题、慢性病智能管理与决策、人口老龄化应对以及医学科研加速等方面的新机遇,同时指出大模型在医疗领域应用所存在的局限。结果/结论大模型驱动有望成为智能医疗的新范式,针对大模型在医疗应用中的不足,提出具体发展建议。

高职院校规模型个性化教学的SPOC设计策略

高职院校规模型个性化教学为“因材施教”提供了现实的可能性,SPOC(Small Private Online Courses,小规模私有在线课程)为基于线上线下混合开展的规模型个性化教学提供了重要支撑。本文遵循个性化教学的学习差异性原则和自主学习原则,基于提高课程学习数据分析精度和课程资源智能推荐能力以及学生自主学习水平等目的,探究SPOC支持的规模型个性化教学的现实操作逻辑,为SPOC设计提出策略建议。

基于Web的大规模三维空间模型高效可视化关键技术

在网络环境下客户端对大规模的三维空间模型进行可视化时仍存在着渲染时间长、计算量大等诸多问题,表现为模型遮挡剔除计算效率低、模型数据传输效率低以及渲染不同模型时存在性能和质量不平衡问题等方面。针对上述问题,提出了针对不同的空间模型剔除粒度的优化选择策略、基于WebGPU计算管线的遮挡剔除算法和基于多线程的大规模三维空间模型数据快速调度方案,降低了离线遮挡剔除方法的预处理时间消耗,提高了模型切换的效率和场景渲染的速率。开发了基于Web的大规模三维空间模型可视化原型系统,开展了不同尺度的三维模型加载与可视化实验,结果表明,本文方法可以有效减少网络环境下大规模三维空间模型数据可视化的加载和渲染时间,增强用户体验。

基于大规模语言模型的知识图谱可微规则抽取

知识图谱上的推理是预测不完整三元组中缺失的实体或关系,对结构化知识进行补全,并用于不同下游任务的过程。不同于被普遍研究的黑盒方法,如基于表示学习的推理方法,基于规则抽取的推理方法通过从知识图谱中泛化出一阶逻辑规则,实现一种可解释的推理范式。为解决离散的符号空间与连续的嵌入空间之间的鸿沟,提出一种基于大规模预训练语言模型的知识图谱可微规则抽取方法DRaM,将离散的一阶逻辑规则与连续的向量空间进行融合。针对规则中的原子公式顺序对推理过程产生的影响,通过引入大规模预训练语言模型对推理过程进行编码来解决。融合一阶逻辑规则的可微推理方法DRaM,在三个知识图谱数据集Family、Kinship和UMLS上进行的链接预测任务获得了较好的结果,尤其针对链接预测指标Hits@10,DRaM获得了最佳的推理结果。实验结果表明,DRaM能够有效地解决知识图谱上可微推理存在的问题,并且可以从推理过程中抽取带有置信度的一阶逻辑规则。DRaM不仅通过一阶逻辑规则增强了推理效果,同时增强了方法的可解释性。

数字金融、创新创业效应与区域经济增长——基于规模与质量视角的分析

文章利用2011—2021年中国284个城市的面板数据,基于经济规模和质量的视角探讨了数字金融对区域经济增长的影响,检验了创新效应、创业效应、创新创业效应在此影响过程中的作用机制,考察了数字金融对区域经济增长的门槛效应。研究发现:数字金融对区域经济增长的作用存在差异,对经济规模型增长的作用程度大于经济质量型增长,该结论在经过内生性检验和稳健性检验后依然成立,并且这种影响具有政策和区位的异质性;创新效应、创业效应和创新创业效应在数字金融促进区域经济增长的影响过程中起到部分中介作用;数字金融对经济规模型增长的影响呈边际效用递增的双门槛效应,对经济质量型增长的影响呈现“U”型特征的三门槛效应。

人工智能大规模语言模型的运行逻辑与传媒应对

【目的】以ChatGPT为代表的智能聊天机器人,呈现出的具备内在逻辑的内容自动生成能力,突破特定局限而扩展到更广泛领域的普适能力,引发了传媒业的广泛关注和隐忧。【方法】为理清智能聊天机器人对传媒业的影响,及早谋划应对,文章探究了其背后的人工智能大规模语言模型技术的发展逻辑和运行逻辑,梳理分析了传媒在助力采访、辅助创作等方面的应用方式。【结果】随着逐步迭代完善,人工智能大规模语言模型技术将重塑媒体内容生产传播模式,消解媒体人的创作能力,导致舆论环境更为复杂,形成媒体深度融合发展的新形势。【结论】基于此,文章提出增强相关感知能力、辨别能力、应用能力、安全意识,推进融合共生,健全责任体系的应对新策。

大规模预训练模型在太空态势感知领域的应用思考

随着航天科技和人类太空活动的快速演进,太空态势感知(SSA)的需求愈发突出.近些年,大规模预训练模型(LPTMs)在自然语言处理、图像处理、模式识别等领域表现卓越,在SSA中,这些技术也展现出巨大的应用潜力.为有效应对不断演变的太空环境带来的挑战,首先分析了SSA领域存在的瓶颈问题;然后针对SSA领域中的应用需求,提出了一系列潜在优势和应用方向;最后探讨了大规模预训练模型在SSA领域应用过程中所面临的关键挑战及可能的解决方案.

大规模语言模型的跨云联合训练关键技术

模型参数规模的不断增加使模型训练所需的算力资源变得更加庞大,导致很多情况下单个算力集群难以满足大规模语言模型的训练需求。大规模语言模型的跨云联合训练成为解决这一问题的有效方式。以自然语言处理大模型的跨云预训练和微调为例,介绍了大规模语言模型跨云训练的主要挑战和关键技术,并探讨了这些技术在跨云训练过程中的具体应用、实际效果和未来场景。这些技术将为智能化应用和人机交互等提供有力支持。

基于对比学习的大型语言模型反向词典任务提示生成方法

反向词典任务是一种新兴的任务,目的是根据给定的定义来查找对应的单词。大规模语言模型为这一任务提供了新的可能性,但是提示语句的质量会影响大模型的性能。为此,提出了一种基于对比学习的提示生成方法。该方法在从多个语义层面上理解定义语义的同时,还利用对比学习的原理在训练过程中引入了负例,提升了模型的泛化能力。通过这种方法,可以将目标单词缩小到一个小范围内,然后用大模型从这个范围内选择最符合定义语义的单词。实验结果表明,该方法可以有效地提升大规模语言模型在反向词典任务上的表现。提示生成模型有94.7%的概率生成包含目标词的范围,大规模语言模型有58.03%的概率直接选出目标单词,有74.55%的概率在给出5个候选单词时包含目标单词。

大语言模型中文语体能力评测研究

语体能力是重要的语用能力,大规模语言模型(下称“大模型”)要在语言生活中落地,需对语体能力进行充分的评价和研究。本文将语体能力定义为在特定语域下使用合适语体进行交际的能力,并基于此设计了语体分类、语体生成、语体转换三个任务,以评测Chat GPT等大模型的中文语体能力。研究发现不同大模型在不同任务和语体上各有其优势与局限。GPT-4的中文语体能力最为全面,Chat GPT和文心一言性能较为出色,Chat GLM-6B和讯飞星火的表现较弱且不稳定。此外,大模型生成的散文、小说等文本过于正式,缺乏文采,一致性错误、规范性错误、事实性错误、不合逻辑、语句不流畅、机器翻译痕迹明显等问题较为突出。本研究为训练和测试人类的语体能力提供了方法参考,对语文教学、国际中文教育等领域的语言能力提升具有借鉴价值。

露天矿生产规模的确定模型

研究露天矿区集中化开采模式和综合工艺匹配模式既是现代露天煤矿的发展趋势,也是我国特大型露天煤矿目前所面临的问题之一。全面分析了开采规模的制约因素,并以收益最大化为目标,构造了单坑合理规模的收益函数,通过整数规划方法,建立了多坑的合理生产规模模型,并以安太堡露天矿为例进行了分析,得出安太堡露天矿合理生产规模为22.0 Mt/a。

供电公司投资规模模型研究

当前宏观经济增长放慢,在国资委对企业业绩考核中经济增加值(economic value added,EVA)和资产负债率所占的权重越来越大,电网公司可用投资规模进一步减少。电网公司的战略目标是在实现社会责任的前提下追求经济效益,因此建立供电公司投资规模的数学模型对提高电网公司投资决策的合理性具有非常重要的意义。以重庆电网公司为研究对象,采用定性与定量相结合的系统化方法筛选指标,建立供电公司投资规模指标体系;应用层次分析(analytic hierarchy process,AHP)方法确定指标的权重,再对供电公司进行综合评价;最终根据子公司综合评价与投资规模的关系建立供电公司投资规模模型。以此作为电网公司投资分配决策的理论基础,实现电网企业的全面协调可持续发展,促进企业健康稳步地发展。

基于供需平衡的城市路内停车合理规模分析模型

分析了影响路内停车需求和限制路内停车泊位供应的主要因素,提出了一种确定城市中心区路内停车泊位总体规模的方法:利用城市规模、经济水平等城市宏观指标对路内停车需求进行预测;同时,考虑路网容量,在路网饱和度允许的约束条件下以出行者的广义综合成本最小为目标,从而来确定与路外停车相匹配的路内停车泊位供应规模;然后,比较路内停车需求与路内泊位的供应能力,在尽量满足供需平衡的前提下再考虑管理、周转率等因素,给出建议的路内停车总体规模,为城市中心区的路内停车规划提供依据。文章最后给出实例估算,验证模型的有效性和实用性。

基于人地和谐与Zipf模型的安徽省城镇化适宜规模、速度探析

推进人与资源环境承载力相协调是实现城镇化可持续发展的核心.基于位序-规模模型,测算了安徽省2000—2013年城镇人口规模结构的Zipf维数;运用灰色GM(1,1)模型,对安徽省2020年城镇人口规模结构的Zipf维数、首位城市建设用地规模进行了预测;基于人地和谐理念,获取了与城镇人口规模相匹配的城镇用地规模;依据GB50137-2011国家城市用地分类与规划建设用地标准,测算了适宜城镇人口的规模与发展速度.结果表明:1)安徽省2020年人口规模结构的Zipf维数为0.82,首位城市用地规模为805.24km2;2)人地和谐理念下,安徽省2020年适宜城镇人口规模为3 596.52万人;3)2015—2020年,年均将有101.14万农村人口转移至城镇,城镇化演进速度为1.28个百分点/年,依据研究结果,提出了协调城镇化发展与土地资源利用的政策建议.

人工智能大模型发展趋势及电信运营商应对策略

以ChatGPT为代表的大规模预训练模型引发了AI的新一轮技术革命,可能成为新型信息产业的关键能力底座,对电信运营商数字化转型战略带来重大影响。本文从人工智能大模型发展现状、核心要素、技术趋势和关键影响进行分析,结合电信运营商策略动向,通过SWOT分析,提出了电信运营商在人才、技术、数据和商业模式等方面面临的问题,并提出加强自主技术攻关研发、推进大模型生态合作等应对策略建议。

河湟地区乡村聚落位序累积规模模型的实证研究

科学确定乡村聚落体系是落实乡村振兴战略和促进农业农村现代化的关键之一,研究乡村聚落规模分布规律有助于乡村聚落体系优化。基于理论假设推导出了位序累计规模模型的准确表达及其规律,在此基础上,比较研究了位序累计规模模型和乡村位序—规模法则在河湟地区的适用性和准确性,厘清了河湟地区乡村聚落规模分布的特征和演变规律。研究显示:①位序累积规模模型是一个单调递增的凹函数(P≥1),函数表达式随着聚落规模分布的帕累托系数变化而变化。当1≤P<1.20225时,S_(i)=a ln(N_(i))+b,拟合系数a与首位聚落规模呈正相关;当P≥1.20225时,S=be^(a ln(N_(i))),聚落规模变异系数和首位聚落规模与拟合系数a呈负相关关系,而与拟合系数b则呈正相关关系。②位序累积规模模型在河湟地区乡村聚落规模分布研究中具有良好的适用性和准确性,而乡村位序—规模法则不适用。③河湟地区乡村聚落规模分布为接近于帕累托系数为2的均衡分布且总体趋于集聚。未来河湟地区应有序推进乡村聚落向自然和社会经济条件较为优越区域适度集聚,合理制定区域乡村聚落布点规划和实用性村庄规划,走人与自然和谐共生、城乡融合发展的具有河湟地区特色的乡村振兴道路。

基于边际等值的城市建设用地最优规模决策模型

本文基于边际等值原理,从经济、社会、生态及区际四个维度出发,构建城市建设用地最优规模决策模型,科学评估建设用地投入过程中的边际效率,为我国城市建设用地投入提供决策方法。