- 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。 ?
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。 ?
1.7K10发布于 2021-01-19 - 来自专栏Hank’s Blog
3-4 列表的子集
#列表的子集 Subsetting List #[[]] / $ / [[]][] / [[]][[]] #嵌套列表 /不完全匹配(partial matching) > x <- list(id=1:4,height=170,gender="male") > x[1] #找第1列的元素 $`id` [1] 1 2 3 4 > x["id"] #两个函数作用相同 $`id` [1] 1 2 3 4 > x[[1]] [1] 1 2 3 4 > x[["id"]] [1] 1 2 3 4 > x
1K10发布于 2020-09-16 - 来自专栏python3
3-4 文件读写例子
n学习通过文件流FileStream打开文本文件、写入文本文件、设置文件属性、实施对文件的目录操作管理的基本方法
1.3K30发布于 2020-01-14 - 来自专栏python3
3-4 文件读写例子(4)
/*******************************************************
58230发布于 2020-01-14 - 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 - 来自专栏python3
3-4 文件读写例子(3)
//==============================第二部分：类设计============================
58510发布于 2020-01-08 - 来自专栏python3
3-4 文件读写例子(2)
向项目中添加名为FileOption.cs的类文件，并准备填写关于文件操作的各种方法，如图3－8所示：
62330发布于 2020-01-14 - 来自专栏python3
3-4 文件流类FileStream
nFileMode和FileAccess，FileShare方法基本介绍及注意事项
1.1K20发布于 2020-01-07 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？
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）。 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。 真正的关键，在于读懂这场“人机协同”阅卷背后的新规则！ 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 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。
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！！！
1K90发布于 2018-05-07 - 来自专栏用户画像
4.4 文件系统疑难点 3-4
为了创建一个文件，应用程序调用逻辑文件系统。逻辑文件系统知道目录结构形式。它将分配一个新的FCB给文件，把相应目录读入内存，用新的文件名更新该目录和FCB，并将结果写回到磁盘。
77910发布于 2018-08-24 - 来自专栏叽叽西
lagou 爪哇 3-4 spring cloud 问答笔记
熔断即断路保护。微服务架构中，如果下游服务因访问压⼒过⼤⽽响应变慢或失 败，上游服务为了保护系统整体可⽤性，可以暂时切断对下游服务的调⽤。这种牺 牲局部，保全整体的措施就叫做熔断。
67520编辑于 2022-05-17 - 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
87510编辑于 2022-07-14 - 来自专栏人工智能与演化计算成长与进阶
16推荐系统3-4协同过滤算法
和这个用户对此影片的评价，理论上我们能够通过用户对电影类型的喜好，和用户对此电影的评价来推断出电影的特征向量的
1K11发布于 2020-08-14 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-4 创建Numpy数组(和矩阵)
Notes: zeros 和 ones 函数创建的数组默认为浮点型，而 full 函数 dtype 默认为 None 类型，所以如果在使用 full 不指定 dtype 的情况下，默认为传入 fill_value 值的类型。
1.1K10编辑于 2022-05-25 - 来自专栏爬虫逆向案例
Js逆向-猿人学(3-4)访问逻辑-样式干扰
第三题和第四题跟Js逆向没有什么关系，本来是不想发的，为了排版好看也发这个专栏里吧。
81230发布于 2021-11-22 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
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