情感分析，对数据进行深入解读，帮助市场调 研等领域理解消费者情感，优化产品和策略。 • 故事化数据呈现：借助o3mini将数据以 故事的形式呈现，增强数据的可读性和吸引力， 帮助公众理解复杂的科学和技术知识。 • 复杂数据模式识别：借助o3mini高效分 析复杂数据，帮助科学研究和工程领域发现 模式和规律，如天文学中的星系演化或地质 学中的地震数据分析。 • 多源数据融合分析：在智能交通和城市 规划中，o3mini有助于将不同来源的数据 指令：我想让你充当一名科研类的英汉翻译，我会向你提供一种语言的一些段落，你的任务是将这些段落准确地、学术性 地翻译成另一种语言。翻译后不要重复原文提供的段落。您应使用人工智能工具（如自然语言处理）以及有关有效写作技巧 的修辞知识和经验进行回复。我会给你如下段落，请告诉我是用什么语言写的，然后翻译。我希望你能以标记表的形式给出 输出结果，其中第一列是原文，第二列是翻译后的句子，每行只给出一个句子 所提供 affectpredation and subsequently influence the dynamicrelationship between predators and prey. 中文学术写作润色指令 指令：作为中文学术论文写作优化助手，您的任务是改进所提供文本的拼写、语法、清晰度、简洁性和整体可读性， 同时分解长句，减少重复，并提供改进建议。请仅提供文本的更正版本，并附上解释。以 markdown 表格的形式提供

景， 支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。 文本生成 表格、列表生成（如日程安排、菜谱） 代码注释、文档撰写 结构化生成 文章/故事/诗歌写作 营销文案、广告语生成 社交媒体内容（如推文、帖子） 剧本或对话设计 文本创作 长文本摘要（论文、报告） 文本简化（降低复杂度） 多语言翻译与本地化 摘要与改写 02 01 03 调深度推理能力。此类模型通常通过对大量文本数据的训练，掌握语言规律并能够生成合适的内容，但缺乏像 推理模型那样复杂的推理和决策能力。 维度 推理模型 通用模型 优势领域 数学推导、逻辑分析、代码生成、复杂问题拆解 文本生成、创意写作、多轮对话、开放性问答 劣势领域 发散性任务（如诗歌创作） 需要严格逻辑链的任务（如数学证明） 性能本质 专精于逻辑密度高的任务 擅长多样性高的任务 强弱判断 并非全面更强，仅在其训练目标领域显著优于通用模型 直接提问，无需分步引导 “证明勾股定理” 冗余拆解（如“先画图，再列公式”） 通用模型 显式要求分步思考，提供示例 “请分三步推导勾股定理，参考： 1. 画直角三角形…” 直接提问（易跳过关键步骤） 创意写作 推理模型 鼓励发散性，设定角色/风格 “以海明威的风格写一个冒险故事” 过度约束逻辑（如“按时间顺序列出”） 通用模型 需明确约束目标，避免自由发挥 “写一个包含‘量子’和‘沙漠’ 的短篇小说，不超过200字”

景， 支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。 文本生成 表格、列表生成（如日程安排、菜谱） 代码注释、文档撰写 结构化生成 文章/故事/诗歌写作 营销文案、广告语生成 社交媒体内容（如推文、帖子） 剧本或对话设计 文本创作 长文本摘要（论文、报告） 文本简化（降低复杂度） 多语言翻译与本地化 摘要与改写 02 01 03 调深度推理能力。此类模型通常通过对大量文本数据的训练，掌握语言规律并能够生成合适的内容，但缺乏像 推理模型那样复杂的推理和决策能力。 维度 推理模型 通用模型 优势领域 数学推导、逻辑分析、代码生成、复杂问题拆解 文本生成、创意写作、多轮对话、开放性问答 劣势领域 发散性任务（如诗歌创作） 需要严格逻辑链的任务（如数学证明） 性能本质 专精于逻辑密度高的任务 擅长多样性高的任务 强弱判断 并非全面更强，仅在其训练目标领域显著优于通用模型 直接提问，无需分步引导 “证明勾股定理” 冗余拆解（如“先画图，再列公式”） 通用模型 显式要求分步思考，提供示例 “请分三步推导勾股定理，参考： 1. 画直角三角形…” 直接提问（易跳过关键步骤） 创意写作 推理模型 鼓励发散性，设定角色/风格 “以海明威的风格写一个冒险故事” 过度约束逻辑（如“按时间顺序列出”） 通用模型 需明确约束目标，避免自由发挥 “写一个包含‘量子’和‘沙漠’ 的短篇小说，不超过200字”

异常检测 多源信息融合 知识与推理 知识图谱构建 流程优化 数据可视化 数据分析 趋势分析 多模态交互 任务执行 任务协调 工具调用 格式转换 关系抽取 语言理解 文案写作 代码注释 故事创作 通用问答 专业领域问答 因果推理 知识推理 问答系统 逻辑推理 自然语言处理 文本生成与创作 建议生成 风险评估 辅助决策 概念关联 知识整合 交互能力 专业建议 任务分解 情感回应 上下文理解 对话能力 多轮对话 数学运算 逻辑分析 能力图谱 诗歌创作 语音识别 指令理解 方案规划 实体识别 l 文本创作 文章/故事/诗歌写作 营销文案 、广告语生成 社交媒体内容（如推文 、帖子） 剧本或对话设计 l 摘要与改写 长文本摘要（论文 、报告） 文本简化（降低复杂度） 多语言翻译与本地化 l 结构化生成 会现象（如极化和错误信息传播）中的表现，特别 是引入偏误信息后的意见动态变化。使用大模型模 拟多个虚拟代理，讨论“气候变暖”、“转基因食 品的安全性”和“疫苗的有效性和安全性”三个具 有科学共识的话题。 实验一在无偏误信息条件下，代理通过社交网络进 行每日对话，记录最终信念状态和信息传播路径。 实验二改变初始信念分布，探讨初始条件对结果的 影响。实验三引入10%代理发布的偏误信息，观察

人工智能发展历程（二）  从单纯对话的大模型AI，发展到具有行动和执行能力的智能体AI  从数字空间中的AI，走向能理解和操控物理空间的AI  从解决现实问题的AI，走向解决科学问题的科学型AI 大模型AI 智能体AI 物理AI 科学AI 10政企、创业者必读 面对全球大模型产业之争，要打赢「三大战役」 AGI之战 应用场景之战 大模型安全之战 • 探索超越人类的超级人工 智能AGI • 不仅是科技之争，更是国  直接呈现思维过程，展现像真人一样思考的能力  可实时联网，把搜索能力与推理能力结合 DeepSeek颠覆式创新——用户体验 具备强大推理能力，思维过程更加缜密，智能性提升 用起来更像真人，写作能力更强，想象力更丰富 31政企、创业者必读 DeepSeek-R1用户体验改善的作用  R1在零广告投入下7天增长1亿用户，创最快应用破亿里程碑  把人工智能从不可用、凑合用，变成大家都能用、都爱用 创业公司得到DeepSeek加持，创业者拥有便宜领先的大模型，迎来 机遇，带来“iPhone时刻” 中国变成AI渗透率最高的国家，率先实现AI工业革命 37政企、创业者必读 人人智能 万物智能 数转智改 未来产业 科学研究 安全 应用爆发的六大方向 38政企、创业者必读 DeepSeek的开源和低成本使得个人也能够拥有自有大模型，实现超能力， 成长为超级个体 DeepSeek六大应用方向之一 人人智能：人人都要用AI

同时，刘遄老师还会带领大家学习最常见的 Linux 系统，了解红帽阶梯认证体系以及红 帽 RHEL 8 系统的最新变化和战略定位，搞定红帽 RHCSA、RHCE、RHCA 认证的方方面面， 进而帮助大家确立学习计划。 写作初衷 本书作者刘遄从事于 Linux 运维技术行业，高中时期便因兴趣的驱使而较早地接触到了 Linux 系统并开始学习运维技术，并且在 2012 年获得红帽认证工程师 RHCE 6 版本证书，在 版本证书，继而为写作本书夯实了技术功底。 尽管如此，依然深知水平有限且技术一般，若不是得益于诸多良师益友的无私帮助， 肯定不能如此顺利地取得上述成绩，更无法如期完成本书的写作工作。并且，作为一名 普通的技术人，我曾经也亲身经历过半夜还在培训班的辛酸，体验过拥堵 6 个多小时车 程的无奈，也翻看过市面上十几本如同嚼蜡般的 Linux 技术书籍……这种种经历使我更 加坚定了写作本书的信念。此刻 用的知识继续分享给读者，希望这本新书依然能够帮助大家少走一些弯路，更轻松地入 门 Linux 系统。 窃以为，一名技术高超的导师不应该仅仅是技术的搬运工，而应该是优质知识的提炼者。 所以在写作过程中，我不希望也不会将自己了解掌握的所有信息都填充到这本书里，借此来 13 炫技，而是从真正贴近于新人学习特点的角度出发，主动摒弃不实用的部分，并把重点、难 点反复实践。这

的关键意见领袖，挖掘群体的智慧与潜能，促进社区的成长和影响力的 扩大。 Adina Hugging Face 中文社区项目经理。拥有 10 年以上国际化工作经验，足 迹遍及亚洲、非洲和欧洲。从社会科学研究员到科技公司项目专员，积累 了丰富的跨领域与跨文化经验。专注推动人工智能在中文开源社区的应用 与发展，为开发者和企业带来更多价值，助力知识共享与技术协作。 Lu Cheng Hugging 很多国民级应用和手机厂商也接入了大模型。大模型开始往专业（Professional）模型和个人 （Personal）模型两个方向分化。 专业模型是旨在提升生产力的模型，例如 AI 辅助编程、写作、设计、咨询、教育等。一旦 模型能力达到门槛，专业模型将带来很高的附加值。 2024 年，专业模型已经在很多领域落地。例如，AI 辅助编程可以提升开发效率一倍以上， 仅用每月数十美元的 API 模型的时代才刚刚开始，预测未来的最好方式就是持续学习、探索、利用 AI 能力，创造未来。 李博杰 李博杰是 AI 创业者，研究方向为高性能数据中心系统。曾任华为计算 机网络与协议实验室助理科学家、首届“天才少年”。2019 年，在中 国科学技术大学与微软亚洲研究院的联合培养项目中取得博士学位。在 SIGCOMM、SOSP、NSDI、PLDI 等顶级会议上发表多篇论文，曾获 ACM 中国优秀博士学位论文奖和“微软学者”奖学金。

向安玲（清华博士后、中央民大助理教授）：人机共生之AI数据分析领域 • 马绪峰（清华博士后、同济大学助理教授）：人机共生之文化艺术创作 成员及核心研究方向 赛事 奖项 2024 “AI4S Cup LLM 挑战赛” 大模型科学文献分析赛道 一等奖 2024 Kaggl e The Learni ng Agency Lab - PII Data Detecti on 金牌 金山办公2024中文文本智能校对大赛 第二名 相关的 背景信息，比如 你自己或是你希 望它完成的任务 的信息。 "O"代表 “Objective （目标）” 明 确的指示告诉 AI你希望它做什 么。 "S"代表“Style （风格）” 想 要的写作风格， 如严肃的、有趣 的、创新性表达、 学术性…… "T"代表“Tone （语调）” 幽 默的？情绪化？ 有威胁性？ "A"代表 "Audience"， 受众是谁。 小 白用户？专业人 群？未成年群体？

十六进制的字母无视大小写，例如 stoi(“7CFE”, nullptr, 16) 的也会得到 31198 。 stoi 的第三参数： base stoi 的 base 参数实战案例 冷知识： stof 支持科学计数法 字符串流 第 5 章 那 to_string 能不能指定十六进制？ • 很遗憾， to_string 是个缓解“键盘压力”的帮手函数，功能根本不全。 • 用 + 来拼接字符串也只是初 string_view(“world”).substr(3) • 又高效，又直观易懂，且 substr 附带了自动检查越界的能力，安 全。 • string_view(“world”) 也可以简写作 “ world”sv ，我们稍后再详细谈 谈。 运算符 + 和 += • 刚刚说了 + 和 += 比 append 更直观，而且只要配合 string_view ，性能上就没有区别了，为什么不用呢？ 后面的字符，因为 printf 只收到了一个首地址指针，他只好把出现 ‘ \0’ 的位置当做字符的结尾。 • 对于字符串来说好像无所谓（谁说话会带个 ‘ \0’ 啊），但是对于其他类型的 数据，比如科学家用一个浮点数组，一不小心算出个 0.0 就自动结束了，不 合理。 • 2. ‘\0’ 本身也是一个字符，需要占据额外的空间，因此长度为 n 的字符串实 际上需要 n + 1 的内存空间，末尾多出来的那一格空间存放