- 综合排序
- 最热优先
- 最新优先
- 来自专栏镁客网
不止会下棋，人工智能还能高考阅卷
近日，大家的关注点都被“李世石大战人工智能”所吸引。孰不知，人工智能不仅会下棋，还能高考阅卷。 为提高效率、保证判卷的稳定性，日本文部科学省甚至考虑到灵活运用人工智能（AI）去帮助阅卷。如果此举能成，这将是日本首次引进AI为高考题评分。 据日本文部科学省估算，在对问答题进行评分时，假设考生有53万人，但阅卷者只有800人的话，就算将培训中的阅卷者也包括在内，阅完所有试卷则需要20到60天。 据悉，人工智能阅卷是依据文章的长短、人为输入的词汇等得分要点，对照答案，在瞬间判断出正误，并给出相应的分数的。而且，当人工智能积累了一定的经验后，还能学习具体的判断标准，最终实现从多个角度做出判断。 目前，中国运用在考试阅卷中的技术，大多以机读卡（一种简单的光学字符识别（OCR）的技术）为主。但是，这只能减少选择题的阅卷工作量。
1.1K50发布于 2018-05-28 - 来自专栏机器学习与统计学
利用Python开发智能阅卷系统（附源代码）
本文为“机器学习交流群”群友华兵同学投稿 随着现代图像处理和人工智能技术的快速发展，不少学者尝试讲CV应用到教学领域，能够代替老师去阅卷，将老师从繁杂劳累的阅卷中解放出来，从而进一步有效的推动教学质量上一个台阶 传统的人工阅卷，工作繁琐，效率低下，进度难以控制且容易出现试卷遗漏未改、登分失误等现象。 ? 现代的“机器阅卷”，工作便捷、效率高、易操作，只需要一个相机（手机），拍照即可获取成绩，可以导入Excel表格便于存档管理。 ? "]) contours_img = image.copy() gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur , 0.9, (0, 0, 255), 2) cv2.imshow("Input", image) cv2.imshow("Output", warped) cv2.waitKey(0) 最终实现的效果如下
2.9K30发布于 2019-12-10 - 来自专栏程序IT圈
利用Python开发智能阅卷系统（附源代码）
随着现代图像处理和人工智能技术的快速发展，不少学者尝试讲CV应用到教学领域，能够代替老师去阅卷，将老师从繁杂劳累的阅卷中解放出来，从而进一步有效的推动教学质量上一个台阶。 传统的人工阅卷，工作繁琐，效率低下，进度难以控制且容易出现试卷遗漏未改、登分失误等现象。 ? 现代的“机器阅卷”，工作便捷、效率高、易操作，只需要一个相机（手机），拍照即可获取成绩，可以导入Excel表格便于存档管理。 ? "]) contours_img = image.copy() gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur , 0.9, (0, 0, 255), 2) cv2.imshow("Input", image) cv2.imshow("Output", warped) cv2.waitKey(0) 最终实现的效果如下
1.7K10发布于 2021-01-19 - 来自专栏TEL18600524535
解码笔迹：手写体文字识别技术驱动阅卷系统智能化变革
传统人工阅卷方式受限于效率、成本与主观性，难以满足大规模、高时效的现代教育评估需求。基于深度学习的手写体文字识别技术，正在为这一痛点提供智能化解决方案，悄然改变着阅卷系统的运作模式。 早期基于简单图像处理的自动化阅卷技术，对手写体，尤其是书写潦草、布局复杂、有涂改痕迹的文本识别率低，难以实际应用。 结构化信息提取：不仅能识别文字，还能智能判断填空题的空位、计算题的步骤、作文的段落，甚至分析笔迹的工整度（作为可能的辅助分析维度），实现试卷内容的深度结构化解析。 将手写体文字识别术集成到阅卷系统中，催生了高效、精准、多维的智能化阅卷新范式：高效客观题判卷：对选择题、判断题、填空题等，系统可实现毫秒级自动识别与评分，效率提升数十倍，且结果绝对客观一致。 笔尖流淌的智慧，如今在硅基智能的“注视”下被准确捕捉、解析与衡量。
78910编辑于 2025-12-09 软考启用AI辅助阅卷，考试该如何写出让AI模型和阅卷专家都青睐的满分论文？
这意味着，一篇软考论文将同时面对“阅卷专家”的审查与“AI阅卷”的扫描分析。阅卷专家基于丰富的专业经验，对论文的实践真实性、论述深度与评分细则进行综合评判。 因此，我大胆推断，AI阅卷在阅卷整个过程中可能扮演两个角色：一是作为“初筛器”，快速提取作答论文的结构要素、关键词和量化数据，为阅卷专家生成初步分析报告；二是作为“校准器”，在多评机制下，辅助识别不同阅卷专家评分间的异常偏差 或 “在Kubernetes中，我们为微服务容器设置了CPU Request为0.5核、Limit为1核，内存Request为1GB、Limit为2GB，并配置了基于CPU利用率超过70% 的HPA（自动水平扩容 2、结构逻辑：提供清晰的“导航图” 混乱的论文结构会增加AI阅卷解析复杂度和阅卷专家理解的难度。在论文写作时必须采用公认的高效结构，为论文叙述搭建清晰的写作框架。 2、自我批改引入“AI视角”：完成初稿后，自我模拟AI以“结构解析”和“细节分析”的视角审视自己的文章，能否快速提取出三个核心工作点？每个工作点是否有量化数据和具体技术参数？逻辑流程是否清晰无跳跃？
21700编辑于 2026-07-08- 来自专栏北京马哥教育
皇上请阅卷！【2016运维高考-考卷汇总】
一年一度高考时，马帮小伙伴也没闲着，做了一套“运维高考题”，那么现在就由你，没错，就是你————最敬爱的大众评审来一起阅卷啦！ We want you！！！ 2、说说进程和线程的区别 3、查询file.txt以abc结尾的行 4、删除file.txt文件中的空行 5、打印file.txt文件中的第10行 6、对MySQL数据库test进行备份和恢复 备份： 写出查看linux系统性能的命令，如cpu、内存、流量、io等 11、说说nginx的upstream支持的分配策略，并简述其原理 12、crontab定时：在11月份内，每天的早上6点到12点中，每隔2小时执行一次
1K90发布于 2018-05-07 - 来自专栏新智元
高考&中考也AI，机器人阅卷技术曝光
人工智能技术为解决这一问题提供了一种可能性——让智能化的机器来阅卷。 机器阅卷可以保证过程的客观性和一致性，从某种程度上来说是保证高考公平公正的一个方法。 要想机器阅卷技术真正普及并为阅卷工作带来便利，无法回避的一个难关就是：批阅学生用母语写的作文。 机器阅卷技术的未来 未来，随着人工智能技术的发展，除了开放式作文、甚至政史地问答题等试题的批阅中，机器都可以自动阅卷。机器可以自动学习教师的阅卷方法。 比如一次考试有2000份卷子，从第一份卷子开始，机器就可以学习教师的阅卷方法，学到200份的时候机器就可以代替人工，自动对剩下的试卷进行智能化打分。 目前，在国内机器智能阅卷技术发展中，科大讯飞已经在安庆、合肥等地成功试点应用。
4.2K60发布于 2018-03-26 - 来自专栏Lan小站
用Python快速阅卷选择、填空题等客观题目
使用说明： 将所有需要阅卷的答案按照以下格式放到一个target.txt文档中： 姓名+空格+答案1+答案2 多个学生请换行隔开 如： 学生1 A B B B C B B B BD C D C D B B C B B A AB C D C C B C B C B C D B B B B D C C D D B D A B D A B B D C 学生2 A B B B C B B B BD C D B ------------------------------------------------ @ Author ：Lan @ Blog ：www.lanol.cn @ Date ： 2020/7/2 ]] = 0 for index, j in enumerate(answer): if i[index] == j: result[i[0]] += 2
87510编辑于 2022-07-14 WorkBuddy保姆级教程（廿六）｜教研组长的日常——从命题到阅卷分析
放在以前，这些事儿能让我从早忙到晚。但现在？三个小时内全部搞定。怎么做到的？往下看。
42110编辑于 2026-07-13- 来自专栏用户8858632的专栏
人工智能在哪些方面对教育影响最大?
人工智能与教育碰撞，会是什么样的场景？这自然而然会引起人们的遐想，而且人工智能已经迅速进入到教育领域。 科大讯飞AI研究院北京分院副院长付瑞吉博士介绍说，“人工智能在考试阅卷上也有不俗的表现，引入智能阅卷技术，可对空白卷、疑似雷同等问题卷进行检测，节省20%的工作。 2017年上半年，智能阅卷技术在CET及全国25个地区的中考、高考、学考中使用，覆盖近700万名考生。” 当前，图像识别、语音识别、人机交互等人工智能应用技术在教育领域都有了应用。 比如，通过图像识别技术，人工智能可以将教师从繁重的批改作业和阅卷工作中解放出来；语音识别和语义分析技术，可以辅助教师进行英语口试测评，也可以纠正、改进学生的英语发音；而人机交互技术，可以协助教师为学生在线答疑解惑 除此之外，个性化学习、智能学习反馈、机器人远程支教等人工智能的教育应用也被看好。 关于人工智能与教育，还有一点让大家津津乐道：未来哪些职业将可能被人工智能取代？
80420编辑于 2022-01-11 阅卷老师给腾讯元宝的高考作文打了个分
不说废话，上考题： 2024年高考作文·全国新高考I 卷 阅读下面的材料，根据要求写作 随着互联网和人工智能的发展，它们能解答的问题越来越多，请问人类的问题会越来越少吗? 互联网、人工智能……在AIGC不断“涌现”的当下，这道题可以说十分应景了（腾讯元宝：咋感觉这道题在点我？！）。 既然被点到，就来测测腾讯元宝的写作能力吧： 腾讯元宝写的怎么样？ 不仅抠出了“互联网”、“人工智能”这几个带有“时代性”的核心词，在分析时也比较客观理性，结构完整，行文流畅，整体逻辑也是很严密的。 为什么还没有到一类卷的水平（55-60分）？ 论述过程中，从历史到现实，再到未来发展的展望，层层递进，逻辑清晰，最后落实到“智能技术的发展，恰恰是在不断回应人类质疑、解决人类难题的过程中前行的”，实现了一个较完整的论述过程。 如果你是阅卷老师，会给腾讯元宝的作文打多少分？
81810编辑于 2024-06-07- 来自专栏nft市场
智能合约安全——delegatecall (2)
Attack.attack() 函数先将自己的地址转换为 uint256 类型（这一步是为了兼容目标合约中的数据类型）第一次调用 HackMe.doSomething() 函数；2. 如果想了解更多的智能合约和区块链知识，欢迎到区块链交流社区CHAINPIP社区，一起交流学习~社区地址：https://www.chainpip.com/
50620编辑于 2022-08-03 - 来自专栏深入浅出区块链技术
如何调试EVM智能合约 #2 ：部署智能合约
译文出自：登链翻译计划[1] 译者：翻译小组[2] 校对：Tiny 熊[3] 本文是关于调试 EVM 智能合约系列的第 2 篇，本系列包含 7 篇文章： 第 1 篇：汇编表示[4] 第 2 篇：部署智能合约 更确切地说，复制智能合约代码从Stack(2)个字节到Stack(2)+Stack(1)个字节。看一下堆栈，这是位于0x22（=34 的十进制）和（22+3f=61，即 97 的十进制）之间的代码。 这是我们存储在 EVM 内存中的智能合约的代码。因此，交易数据的第 0x22 字节（十进制 34）之后的每一整块字节都是智能合约的代码! 让我们部署这个智能合约，参数 a=1，b=2，msg.value=1 ether，设置与之前一样（启用优化器， runs 设置为 1，solidity 0.8.7）。 智能合约结束了它的执行。 总结 最后总结一下合约部署情况： 它像每个智能合约一样存储了空闲内存指针。 它复制了由交易数据提供的 2 个参数，并将其存储到内存中。
1.3K20编辑于 2022-11-07 - 来自专栏腾讯教育黑板报
80后老师焦虑，90后老师脱发，95后老师画风突变...
有了腾讯智慧组卷阅卷系统，你只要动动手指，就可以自由调配300余所名校试题资源，自由选择不同难易程度的知识点一键组卷，快速布置课后作业。 鹅老师算了一下，“假设每个班有40名学生，每2天提交一次作业，一个老师一年需要批改多少次作业？” 答案是：≈3400次 改完作业，半条老命已没 鹅老师再推荐给大家一颗续命丹药——AI智能阅卷，学生配合使用“数字光学点阵笔”进行答题，利用AI智能识别与题库系统可以快速扫描试卷，实现老师在移动终端自由阅卷 阅卷的同时，系统还能进行智能统计分析，自动生成统计报表，帮助老师分析每一位学生的学习成绩和阶段学习状况。 据悉，自从上线了智能教学和教务系统，老师们的工作效率得到了极大提升。
1K20发布于 2020-06-10 AI辅助办案系统：让技术成为司法的“智慧搭档”
传统人工阅卷需逐页梳理案情、提取要素，效率低且易遗漏。 江阴公安的系统就凭借这项技术，让卷宗要素提取准确率达95%以上，民警阅卷效率直接提升50%，原本半天的阅卷报告，5分钟就能生成初稿。机器学习与知识图谱构建，让系统具备了“类案参考”和“风险预警”能力。 同时，基于预设的程序审查规则，系统能像“智能法制员”一样，自动识别讯（询）问时间冲突、证据链缺口等80余项程序问题，把事后纠错变成事前提醒，高频程序问题拦截率可提升至70%以上。 从人工翻卷到智能“体检”，AI辅助办案系统的价值，在于用技术固化司法经验、规范办案流程。 它不是替代人的专业判断，而是通过精准的文字解析、智能的风险预警、高效的数据处理，让办案人员跳出事务性工作，专注于情理法的权衡与公正的守护。当技术与司法深度融合，公平正义不仅能跑得更快，也能站得更稳。
91810编辑于 2025-12-30- 来自专栏硬件大熊
智能门锁：电源管理概述2
作为一款高频度使用的低功耗产品，智能门锁的电源管理是低功耗设计极其关键的一部分。高效、合理的电源管理设计能让门锁快速响应动态与静态的动作切换，同时保持更低程度的功率损耗。 继上篇章，本篇继续智能门锁电源管理2—— 推荐阅读： 《一文浅析智能门锁》 《智能门锁：电源管理概述1》 电池升降压 目前主流的智能门锁大多数采用干电池进行供电，一节5号电池的标称电压为1.5V，对于智能门锁的控制板 很多厂家选择将电池进行串联，如4颗电池串联后的标称电压为6V，为确保电量供应充足，再将4颗电池串联后进行并联，即4串2并。 当然，也有个别厂家将2颗电池串联后再使用2颗进行并联，即2串2并，输出的标称电压为3V。 目前智能门锁一般预留一个USB口可供用户使用充电宝临时替代电池进行供电； 2.当系统出现异常状态无法自行重启，且用户并未在屋内无法将门锁强行断电重启时，应急供电口的输入应能将电池供电电路切断至系统掉电，
1.8K20编辑于 2022-06-23 - 来自专栏CreateAMind
通用智能框架part2
当生成模型被堆叠时,较高层次的模型将来自较低层次的状态作为观察值,而较低层次通过智能体的传感器观察实际环境。 2、 动作和状态推断,即寻找后验 和 是通过主动推理实现的。在主动推理中,大脑被认为是一个积极尝试最小化其变化自由能的预测模型。 这种抽象的类别进一步考虑到结构化表示的种类,其重要性在(非激进创造的)认知科学和“老式人工智能”的几十年工作中得到强调。 第四章其他部分以作者分析推论为主 参考： 智能生命的第一原理 生命主动推理的数学描述 回答薛定谔问题: 生命是什么？ （长文） 自由能AI认知框架优点123456 直觉理解变分自由能的目标函数 自由能一书金句摘录及图表 通用智能框架 part1
66720编辑于 2022-06-08 - 来自专栏腾讯乐享
「考试」应用上线，给你的培训加点料！
接下来2周！ 将进入乐享功能快速迭代周！ 每周我们将推出一个大招功能！ 别问，问就是大招！搓搓手好好期待一下吧~~~ #乐享考试利器有多厉害？ 支持5种丰富题型，2种组卷方式 1 -题型丰富：支持单选题、多选题、判断题、填空题、问答题，5种题型管理员随心配置。 灵活考试规则，管理员随心配置 2 每一场考试，都可以“自定义”不一样的烟火 ? /电脑端/ 智能批卷，减少90%阅卷工作量 4 乐享考试应用严格按照试卷答案关键词和选项智能批卷，大幅提升管理员阅卷效率及质量，较传统模式可减少90%以上阅卷工作量。 ? 在填空题、问答题经过智能批改完成后，管理员可进入管理后台根据实际情况修改评分。 ?
99830发布于 2019-08-23 基于 Vue 与.NET 的高并发在线考试系统技术架构与实践应用
依托 Vue 前端框架与.NET 技术栈构建的高并发在线考试系统，凭借全流程的学习管理能力、智能化的考核机制、精细化的督学统计体系，实现了从 “学、练考” 到数据化管理的全链路赋能，为线上教学培训的标准化 在线题库模块：具备强大的题库管理能力，支持单选、多选、填空、判断、简答等常见题型的 Excel 批量导入与智能查重以及AI自动生成试题，大幅提升题库搭建效率。 二、智能考试与多维度防作弊，打造严肃可信的考核环境针对模拟练习、结课考核、专项测评等不同考核场景，系统设计了灵活的组卷策略与多重防作弊机制，搭配智能阅卷功能，既保障考试的公平公正，又大幅提升考核工作效率 智能阅卷体系：自动 + 人工结合，提升阅卷效率与准确性实现客观题系统自动批阅，主观题支持人工在线阅卷，阅卷完成后成绩自动汇总统计。考试后AI批阅试卷，简答题自动评分。 管理员可批量导出考试成绩，针对修正答案后的试卷支持成绩重新计算，大幅减少教务与考务工作的人工成本，提升阅卷与成绩管理的效率。
44010编辑于 2026-02-28已经确定了，软考从本次考试开始将启用AI辅助阅卷！
根据工业和信息化部教育与考试中心在2025年8月采购的“国家职业资格考试及公开招聘考试阅卷技术服务”项目中，明确包含了AI辅助阅卷功能（支持填空题、问答题、论文题等题型的AI评阅功能）。 对备考的影响：要更加注重答题的规范性和内容质量，因为阅卷过程高度标准化，减少了阅卷主观偏差的可能，在备考时需更扎实地掌握知识点，避免模糊表述或结构混乱，并针对常见错误进行针对性练习，避免侥幸心理，从而提升整体效果 系统对阅卷一致性和稳定性的监控意味着评分标准更统一，需严格遵循考试要求作答，而非依赖过去阅卷人员的个人偏好。 总结就是：该系统可提升阅卷质量，保障成绩的客观性，促进考试的公平性。 总结 现在各个行业都在为改变、提效引入AI，软考作为国内计算机专业等级最高级别考试，引入AI进行辅助阅卷也是非常合理的，个人认为引入AI辅助阅卷，不仅没有提高考试难度，反而让考试考试难度变得简单！
24700编辑于 2026-07-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号