- 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
孰不知，人工智能不仅会下棋，还能高考阅卷。 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。 这便意味着，从考试到公布分数这段时间，不仅阅卷者工作量庞大，等待分数结果的人们心理的负担会更大。而且，对这对于高中教学和考场安排都会造成一定的影响。因此，缩短阅卷时间是必须的。 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。 像以上提到的问答题，还有作文等，要在规定时间内完成人工阅卷，评分的准确性和稳定性都难以做到完全保障。
1.1K50发布于 2018-05-28 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 4、真实性塑造：在合理范围内构建可信叙事 AI阅卷虽不能直接判断项目真伪，但能辅助检测论文叙述逻辑矛盾和常识异常，阅卷专家则通过AI模型给出的初步判断再结合人工经验，最终判断真伪。
21700编辑于 2026-07-08- 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。 ? ("-i", "--image", default="test_01.png") args = vars(ap.parse_args()) # 正确答案 ANSWER_KEY = {0: 1, 1: 4, 2: 0, 3: 3, 4: 1} # def order_points(pts): # 一共4个坐标点 rect = np.zeros((4, 2), dtype = "float32"
2.9K30发布于 2019-12-10 - 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：
1K90发布于 2018-05-07 - 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。 ? ("-i", "--image", default="test_01.png") args = vars(ap.parse_args()) # 正确答案 ANSWER_KEY = {0: 1, 1: 4, 2: 0, 3: 3, 4: 1} # def order_points(pts): # 一共4个坐标点 rect = np.zeros((4, 2), dtype = "float32"
1.7K10发布于 2021-01-19 - 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。 如果全自动机器阅卷变成现实，“阅卷”这件需要教师们投入大量人力物力才能完成的事将变得轻松，教师们将会有更多的时间和精力被解放出来，投入到对教学方法、教学手段等创造性工作的研究中，相信学生们也会因此获得更好 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 基于 Vue 与.NET 的高并发在线考试系统技术架构与实践应用
一、全流程学习管理体系，构建沉浸式线上教学体验系统以课程为核心载体，打通线上教学各关键环节，实现学习、授课、练习的无缝衔接，兼顾学习体验与过程管控，适配多终端、多场景的学习需求。 在线学习模块：支持 MP4、M3U8 等主流视频格式点播，全面兼容 PC、安卓、苹果等终端设备，为学员提供清晰流畅的观看体验。 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- 来自专栏成猿之路
Log4j2核弹级漏洞线上修复方案！
一、漏洞描述 2月9日晚，Apache Log4j2反序列化远程代码执行漏洞细节已被公开，Apache Log4j-2中存在JNDI注入漏洞，当程序将用户输入的数据进行日志记录时，即可触发此漏洞，成功利用此漏洞可以在目标服务器上执行任意代码 Apache Log4j2是一个基于Java的日志记录工具。该工具重写了Log4j框架，并且引入了大量丰富的特性。该日志框架被大量用于业务系统开发，用来记录日志信息。 CVSS评分：10（最高级） 三、漏洞影响版本 Apache log4j2 >= 2.0, 四、安全版本 Apache log4j2 2.15.0 五、修复方案建议 综合国内机构意见，目前针对Apache Log4j漏洞的主要应对方法如下： 1.Apache Log4j 官方已经发布了解决上述漏洞的安全更新，建议受影响用户尽快升级到安全版本： 安全版本：log4j-2.15.0-rc2 官方安全版本下载可以参考以下链接 七、腾讯云线上修复措施 腾讯云安全服务详细解决方案： https://view.inews.qq.com/a/20211211A032S100
1.7K10编辑于 2021-12-13 - 来自专栏即时通信IM
解决方案丨覆盖考试流程，布局智能监考，腾讯实时音视频推出线上考试解决方案
受疫情影响，线下考试愈发难以组织和开展，考试场地管控更为严格，安排考生出行及健康检测造成额外支出；考生参加考试流程繁琐，监考及考后阅卷耗费大量人力及时间成本等，对组织者来说都是极大的考验。 对此，线上考试场景应运而生。录题组卷、考生考试、管理员监考、考后阅卷等场景均转移到线上进行，打破了时间与空间的限制。 线上考试存在一些难以解决的问题，比如操作流程是否便捷、是否支持复杂的考试和答题类型、阅卷和成绩统计分析是否标准化等等。 最重要的是，如此复杂的考试环境中如何有效的设置防作弊和监考手段，来保障线上考试的公平公正呢？ 在这样的背景下，腾讯云通信团队从用户体验感和场景出发，推出了线上考试SaaS解决方案——腾讯云考试星。 （线上考试流程示例） 腾讯云考试星是TRTC在线上考试场景的一次全新的尝试，对于传统线上考试存在的难点，我们做了一系列针对性的解决方案，尤其是智能监考功能，将线上考试的专业性和严谨度提升到了前所未有的新高度
2.6K30发布于 2021-03-29 - 来自专栏千里行走
rocketmq-4：线上rocketmq slave节点的ECS宕机恢复实记
：千里行走； 头条技术号：实战架构； 目录 (1).问题发现与持续时间 (2).恢复操作 (3).恢复期间的数据 1.slave节点恢复数据的TPS 2.cpu-iowait 3.cpu-jumps 4. cpu-load 5.带宽升幅 (4).总结 正文 (1).问题发现与持续时间 阿里云钉钉提醒： ECS宕机时间：2019.6.10下午2点57分 恢复时间：2019.6.11下午4点 （由于10号我请病假 4.cpu-load 可以看到load>5，实际上要比这个高不少(zabbix实时性差)，是平时的几十倍了；这也是mq一定要用ssd的原因，提供极端情况下的健康水准。 ? (4).总结 1.rocketmq性能足够； 2.尽量还是使用ssd盘，不会有什么额外成本，ssd盘现在很便宜，极高的提升了极端情况下集群的健康水平；
1.9K10发布于 2019-07-12 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阅卷老师给腾讯元宝的高考作文打了个分
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- 来自专栏一猿小讲
抓包神器 Wireshark，帮你快速定位线上网络故障（4）
4 写在最后 纸上得来终觉浅，绝知此事要躬行。本次 Wireshark 分享就写到这里，为了能够让分享不出现纰漏，查阅了很多文档、书籍以及官方资料，归纳汇总一下给老铁，希望对老铁能有所帮助。
2.1K20发布于 2020-12-29 - 来自专栏架构师之路
线上操作与线上问题排查实战
技术同学需要经常登录线上的服务器进行操作，58到家架构部/运维部/58速运技术部，联合进行了一次线上操作与线上问题排查实战演练，同学们反馈有收获，特将实战演练的问题和答案公布出来，希望对大家也有帮助。 1.2.3.4' suyun.2017-06-26.log.bz2 | wc -l less suyun.2017-06-26.log.bz2 | grep '10.37.9.11' | wc -l 说明：线上日志文件一般以 /opt/backup/shenjian.tar.gz \ -exclude /opt/web/suyun_web/logs \ /opt/web/suyun_web 说明：这个命令线上应用较为频繁
1.3K40发布于 2018-03-02 - 来自专栏Python自动化测试
线上巡检机制
这种情况下，可以使用线上巡检机制。 线上巡检机制可以把它理解为实时的进行轮训监控，如果一旦服务出现问题，触发报警的机制通知相关的人员进行紧急的处理。 针对线上巡检的机制可以沿着两个维度来思考，一个是单纯的验证服务的可用性，也就是服务返回200的状态码认为服务是可用的，另外一种是结合业务场景来进行，因为服务返回200的状态码不代表服务提供的业务场景是可用的
1.5K10编辑于 2022-03-29 - 来自专栏后端码事
线上问题排查
4、线程pid转化为进制 printf '0x%x' 线程pid ? 5、查看线程堆栈 jstack 进程pid | grep 转化后的线程pid ? 6、io情况查看： vmstat： ?
96010发布于 2020-09-10 - 来自专栏线上展厅
线上展厅技术
应用推荐：适合展示故事内容，交互效果好； 4、互动地面投影系统 主要技术设备：红外感应控制系统、多媒体进行影像、投影设备。 应用建议: 适合在入口处展示，互动效果好，暗光要求。 申请推荐：展厅、展览、城市规划博物馆、科学馆、博物馆模拟体验或实验 六、立体影院类 1、3D立体影院系统 应用进行推荐：科技馆、博物馆、主题公园、旅游景区重要信息展示一个项目； 2、4D 影院 4D 影院是一种以3D 影院为基础，模拟环境特殊效果的新型影视产品，具有主题鲜明、技术高、体验丰富、效果逼真、下沉侵略性强、引领潮流等特点和优势。 营造与影片主要内容进行相互契合的环境，身临其境、惊险刺激、如同过山车一般富有挑战性，使观众在观看4D电影可以同时我们能够通过获得一种视觉、听觉、触觉、嗅觉等全方位感受，这就是中国当今社会十分广泛流行的4D
1.2K20编辑于 2022-09-16 - 来自专栏code人生
Debug线上服务
日志在线上服务中，通过日志进行调试是一种常见的方法。 以下是一些常用的方法，可以让我们通过日志来进行线上服务的调试：设置详细的日志级别：在开发和测试环境中，我们可能会使用较低的日志级别，例如 debug 或 trace，以记录详细的调试信息。 实时日志查看：在线上环境中实现实时日志查看功能，以便能够及时地查看日志输出。使用工具如 ELK Stack（Elasticsearch, Logstash, Kibana）进行实时日志分析。 通过以上策略，我们可以更有效地使用日志来进行线上服务的调试和监控。请注意，在生产环境中，要小心处理敏感信息，确保日志中不包含敏感数据。 在线上服务中访问 pprof 数据：在浏览器中访问 http://your-service-address:6060/debug/pprof/ 来查看 pprof 提供的数据。
1K10编辑于 2024-01-03 线上OOM排查
Failure No GC 参数解释： LGCC: 上一次GC的原因 GCC： 当前GC的原因 jmap JDK提供的用来监视进程运行中JAVA物理内存占用情况的工具，用于生成堆转储快照，执行该指令时会影响线上服务的运行 线上OOM排查 1、应用启动时增加JVM参数 -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=<file>, <file> 可以是指定的文件或者目录，指定为目录时转储的文件是存储在该目录下 bash 代码解读复制代码"http-nio-39805-exec-4" daemon prio=5 tid=102 RUNNABLE at java.lang.OutOfMemoryError. javax.xml.bind.JAXBContext.newInstance(JAXBContext.java:641) at javax.xml.bind.JAXBContext.newInstance(JAXBContext.java:584) 4、
1.2K10编辑于 2024-09-06
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