小组成员：李丽钱 杨瑞沂

为国内某山区学校开发作文批改AI

选择模型：DeepSeek

说明理由：

数据： deepseek数据主要集中在文本数据方面,语言是中文

算法：深度语义理解与逻辑推理，多维度语言质量评估，实时知识整合与创新评估

算力： FlashMLA 项目通过优化英伟达 H800 芯片内存带宽至 3000GB/s，突破理论极限 3 倍以上，为 AGI 时代的算力瓶颈提供了工程化解决方案。速度较快

选题：“帮生物学家生成基因编辑代码”

张茗宇，白获渔

推荐的AI：ChatGPT——“中文技码先锋”

算法：

拥有极其庞大且广泛的数据集，涵盖了众多领域的知识，其中必然包含丰富的生物学和基因编辑相关的专业资料。这些资料来源于科学文献、研究报告、学术论文等多种渠道，使得 ChatGPT 对基因编辑的基本原理、常见技术（如 CRISPR - Cas9 等）以及相关的代码实现有较为全面和深入的了解。

相较于Grok，ChatGPT有如下优势

拥有极其庞大且广泛的数据集，涵盖了众多领域的知识，其中必然包含丰富的生物学和基因编辑相关的专业资料。这些资料来源于科学文献、研究报告、学术论文等多种渠道，使得 ChatGPT 对基因编辑的基本原理、常见技术（如 CRISPR - Cas9 等）以及相关的代码实现有较为全面和深入的了解。

算力方面

在高并发的情况下，也有相对完善的机制来维持服务的正常运行，满足生物学家及时获取代码的需求

数据方面

有极其庞大且广泛的数据集，涵盖了众多领域的知识，其中必然包含丰富的生物学和基因编辑相关的专业资料。这些资料来源于科学文献、研究报告、学术论文等多种渠道，使得 ChatGPT 对基因编辑的基本原理、常见技术（如 CRISPR - Cas9 等）以及相关的代码实现有较为全面和深入的了解。

相较Grok。GPT有如下优势

训练数据包含社交媒体的实时信息，这对于获取当下紧迫议题有帮助，但在基因编辑这种需要严谨科学知识和大量专业文献支撑的领域，社交媒体数据的专业性和可靠性较低。其数据重点并非聚焦于基因编辑的科学知识体系，难以提供精准的基因编辑代码生成所需的专业数据支持。

因此，Grok可以被称为：“潮科锐码捕手”

小组成员：石颖 郑皓月

活动：跨国电商搭建多语言客服

选择模型：ChatGPT

说明理由： 1.数据:#在处理多轮对话或长篇文本时，能记住前文的内容和语境，得出更好的回答; #同时在数据收集、存储和使用等方面遵循严格的法律法规和道德准则，保障用户数据的隐私和权益。 2.算法：#基于 Transformer 核心架构，能够在更短的时间内处理大量的数据，提高了模型的运行效率 #且更加灵活地处理文本。

选择：帮生物学家生成基因编辑代码

模型：ChatGPT

理由：拥有海量的文本数据，经过大规模的预训练，对自然语言的理解和生成能力非常强大。在生物学领域也有广泛的数据学习，能够理解和处理生物学相关的文本信息。

组员：岳添益（AI:豆包）

小组成员：王乙涵，钱钰棋

选择模型：DeepSeek

说明理由：

1. 1.技术性能方面 超强算力与高效处理：DeepSeek 采用全球领先的分布式计算架构，算力比传统 AI 模型提升了 10 倍。对于山区学校大量的作文批改任务，能在短时间内完成处理，迅速给出批改结果和建议，提高批改效率，节省时间成本。 深度语义理解：它不仅能检测语法错误和不恰当表达，还能深入理解上下文语义。可以准确把握作文的整体内容、情感倾向、逻辑结构等，给出有针对性的、符合文章语境的修改建议，帮助学生提升写作的深度和连贯性。 多模态能力潜在优势：DeepSeek 支持文本、图像、语音、视频等多模态处理。虽然在作文批改场景中主要使用文本处理功能，但未来若想拓展功能，如让学生通过语音输入作文内容，或者对配有图片等元素的作文进行综合批改等，它具有实现的基础，可扩展性强。 2.教育应用方面 精准错误检测与分析：能够一眼发现作文中的语法错误、词汇使用问题等，还能总结学生经常犯的错误类型，生成个性化的学习诊断报告，有助于学生了解自己的写作薄弱点，进行有针对性的改进，也方便教师掌握学生的整体写作情况，调整教学重点。 符合教育场景需求：DeepSeek 特别懂教育领域的专业知识，给出的作文评语不是干巴巴的官方语气，而是很有人情味，像经验丰富的老教师在和学生交流，容易让山区学生接受，能更好地起到指导和鼓励的作用。 助力教育公平：在云南山区，搭载 DeepSeek 系统的 “智慧教育车” 中的作文批改 AI 能同时标注语法错误和情感表达，已在教育公平实践中取得良好效果，为山区学校的作文教学提供了成功范例，证明其在山区教育环境中的适用性和有效性。 语言处理方面 大中文理解能力：作为国产 AI，DeepSeek 对中文的理解和处理能力非常出色，能够准确解析中文作文中的字词、语句、修辞等，对于国内山区学校以中文教学为主的情况，能更好地满足作文批改的需求，无论是对传统的记叙文、议论文，还是具有地方特色、文化特色的作文内容，都能进行精准批改。 输出内容接地气：生成的批改内容和建议贴合学生的实际生活和语言习惯，不会生搬硬套一些理论和规则，让山区学生更容易理解和接受，能够更好地将建议运用到实际写作中，提升写作水平。

小组成员：杨长麟 选择模型：DeepSeek/ChatGPT/Grok 说明理由：数据+算法+算力 AI 豆包

帮生物学家生成基因编辑代码

DeepSeek 代码生成能力出色：DeepSeek Code 是专门针对代码领域进行训练的模型，在代码生成、代码补全、代码理解和代码修复等方面表现卓越。对于生物学家生成基因编辑代码的需求，它能够精准理解相关的编程逻辑和任务要求，输出高质量、符合规范的代码。 对特定领域有深入理解：尽管基因编辑属于生物领域，但其中涉及的代码编写也有其专业性。DeepSeek 在训练过程中学习了大量不同领域的代码数据，对于生物信息学相关的代码模式和算法有一定的理解和掌握，能够结合生物学家的具体需求生成针对性的代码。 中文支持优势：如果生物学家使用中文描述需求，DeepSeek 在中文理解和处理上表现良好，能够更准确地解读需求，避免因语言理解偏差导致的代码生成错误。 ChatGPT 通用性强但专业性不足：ChatGPT 是一个通用型的大语言模型，能够处理多种类型的任务，包括代码生成。然而，它的重点不在于代码领域的深度专业性，对于一些复杂的生物信息学代码生成，可能不如专门的代码模型精准和高效。 代码细节处理可能不够精细：在生成代码时，ChatGPT 可能在处理生物信息学中特定的算法和数据结构时，不能提供最优化的代码实现，需要生物学家进行更多的调试和修改。 Grok 推出时间较晚且应用场景侧重不同：Grok 是一个相对较新的模型，其应用场景可能更侧重于即时通讯和一些常见问题的解答。目前没有足够的证据表明它在代码生成方面，尤其是生物信息学代码生成方面具有显著优势。 数据覆盖范围不确定：对于基因编辑相关的代码生成，Grok 可能没有经过专门针对生物信息学代码数据的大量训练，其数据覆盖范围可能无法满足生物学家的特定需求。 综上所述，DeepSeek 凭借其在代码生成方面的专业性和优势，更适合帮助生物学家生成基因编辑代码

小组成员:杨芮源，马瑞隆

选择模型：

Deepseek

说明理由:

为国内某山区学校开发作文批改 AI，使用 DeepSeek 相比 ChatGPT 和 Grok 有以下优势： 语言理解与处理方面 中文处理能力卓越：DeepSeek 深谙中文韵律，在中文理解和生成方面具有显著优势。对于中文作文中的语法、修辞、语义等的理解和把握更准确，能够精准识别中文作文中的各种语言现象，比如文言文引用、诗词化用等，给出更符合中文语言习惯和文化背景的批改意见和建议。 多语言支持友好：DeepSeek 支持多达 20 种语言的实时翻译和语音识别，在多语言任务中表现优异。除了中文外，还能较好地处理其他语言的作文，适合有外语教学需求或学生有多元语言学习环境的山区学校，为学生提供更全面的语言学习支持。 技术与性能方面 数学与逻辑推理优势：DeepSeek 在数学和编程任务中表现出色，数学题准确率高达 90%。在批改作文时，对于涉及逻辑推理、数据列举、科学原理阐述等内容，能更好地判断其合理性和准确性，帮助学生提高作文中相关内容的质量。 长文本处理能力强：DeepSeek 支持 128k 上下文窗口，能够有效分析大规模文本。可以完整地处理篇幅较长的作文，对作文的整体结构、情节连贯性等进行更全面的分析和评价，不会因文本过长而出现理解偏差或遗漏重要信息的情况。 推理速度快：在某些任务上，DeepSeek 的推理速度比 ChatGPT 快 40%。可以快速地对学生提交的作文进行批改，及时反馈结果，提高教学效率，尤其适合学生数量较多、作文批改任务较重的山区学校。 成本与开源方面 训练成本低：DeepSeek 的训练成本约为 550 万美元，仅为 ChatGPT 的十分之一左右。对于山区学校或相关开发团队来说，使用 DeepSeek 可以降低开发成本，减轻资金压力，使有限的教育资源能够得到更合理的利用。 开源优势：DeepSeek 采用开源策略，吸引了大量开发者参与优化和定制。开发者可以根据山区学校的具体需求和特点，对模型进行个性化改造，比如针对当地的文化特色、教学重点等进行优化，使其更符合山区学校的教学实际。 安全与服务方面 数据安全有保障：作为国产 AI 模型，DeepSeek 更符合国内的数据安全和隐私政策要求，在处理学生作文数据时，能更好地保障学生的个人信息安全，让学校和学生更放心地使用。 本地化服务支持：主要面向中国及中文用户，能提供更贴心的本地化客户服务。如果在使用过程中遇到问题，学校和教师可以更方便地获得技术支持和帮助，沟通成本更低。

小组成员：李怡凝、赵晨灿

选择模型：Grok（帮生物学家生成基因编辑代码）

说明理由：

数据：

• xAI 描述这些推理模型最适合处理数学、科学和编程相关的问题。
• 主要的训练数据有：维基百科等各种百科网站上的知识条目，涵盖了科学、历史、文化、技术、人物等几乎所有领域的专业知识，能让 Grok 学习到准确、系统的信息，用于知识问答和理解。各学科领域的学术研究论文，包含了专业的学术概念、理论推导、实验数据和研究结论等。
• 代码数据：来自 GitHub 等代码托管平台上的大量开源项目，涵盖了各种编程语言和应用领域。Grok 可以学习到不同的编程风格、设计模式和代码结构，理解如何实现各种功能和解决实际问题，从而具备代码生成、代码理解和代码纠错等能力。

算法：

• Grok 3还具备“思维链”推理机制，能够逐步拆解复杂任务，类似于人类解决问题的思维方式‌。推理模型在给出结果之前会彻底自我核实，这帮助它们避免了通常会让其他模型出错的陷阱。

算力：

• 硬件投入：Grok 3 的训练使用了 20 万张英伟达 H100 GPU，从硬件资源上为其提供了强大的算力基础。
• 训练消耗：训练耗时 214 天，累计消耗 4 亿 GPU 小时，为模型的训练提供了充足的计算资源，使其能够处理海量的数据和复杂的任务。
• 算力对比：Grok 3 的算力消耗是 DeepSeek V3 的 263 倍，相当于 GPT-4 训练算力的 12.8 倍，展现出了强大的算力优势。
• 计算速度：Grok 3 在处理复杂任务时的计算速度极快，如在处理复杂逻辑推理任务时表现出色，在 AIME 等基准测试中能快速得出结果。

小组成员：徐龚渚，矣泽 挑战：为国内某山区学校开发作文批改AI 选择模型：deepseek 理由：

语言理解能力出色

DeepSeek 在中文理解等方面表现卓越

生成能力强大：

可以根据作文的具体情况，生成高质量的修改建议和示例，比如针对内容空洞的段落，能给出具体的扩充方向和内容

推理与分析能力强

小组成员：王皓震

选择挑战：为国内某山区学校开发作文批改AI

选择模型：DeepSeek

理由：

数据方面

数据规模庞大且多样：Deepseek 模型训练数据丰富，如 Deepseek LLM 包含 670 亿参数，是在包含 2 万亿 token 的数据集上进行训练的，数据集涵盖中英文等多种语言。这些海量数据能让模型学习到丰富的语言表达方式、语义理解和逻辑结构等知识，有助于准确理解和批改各种类型的作文，无论是记叙文、议论文还是说明文等。 贴合中文教育场景：针对中文教育场景的独特需求，Deepseek 在训练中融合了超过 200 万份中高考真题、30 万份教师教案，使其对中文作文的立意分析、结构把握以及语言规范等方面有更深入的理解，能够更好地适应国内山区学校学生的作文特点和教学要求，甚至能识别方言口音的提问，对于山区学生可能存在的带有方言特色的表达也能准确解析。

算法方面

架构创新融合技术：Deepseek 延续并优化了 v2/3 架构，引入了 MLA（多头潜在注意力）和 MOE（专家混合模型）技术。MLA 技术减少了对 KV 矩阵的重复计算，降低了显存消耗，保证模型在处理作文数据时的稳定性和高效性。MOE 技术将模型分解为多个专家模型和一个门控网络，减少知识冗余，提高参数利用效率，使模型能用相对较少的参数保持甚至提升语言生成和理解的质量，在作文批改中可以更精准地分析和评价作文内容。 推理算法革新突破：Deepseek 舍弃传统的 SFT（有监督微调），全面采用 RL（强化学习）并进行创新改进。在 AIME2024 数学基准测试和 MATH - 500 基准测试中，Deepseek - R1 的得分高于 OpenAI o1，证明其推理算法的优越性。在作文批改中，这种强大的推理能力可以使模型更好地理解作文的上下文逻辑、判断语法错误、分析作文的优劣之处，并给出合理的修改建议。 基于 Transformer 架构：以 Transformer 架构为基础，基于注意力机制，通过海量语料数据进行预训练，并经过监督微调、人类反馈的强化学习等进行对齐。能够很好地处理文本中的长序列依赖关系，对于作文中的上下文语义关联、段落之间的逻辑关系等能够准确把握，从而实现全面、准确的作文批改。

算力方面

硬件资源丰富：Deepseek 及其关联公司拥有约 6 万颗英伟达 GPU，包括 H800、H100、H20 和 A100 等多种型号。这些高性能的 GPU 为模型的训练和推理提供了强大的计算支持，确保 Deepseek 在处理大规模作文批改任务时能够快速、高效地运行，不会因为算力不足而影响批改效率和质量。 训练与推理成本低：相比同类大模型，Deepseek 的训练成本降低 50%，推理成本仅为行业平均水平的 1/3，例如单次千字作文批改成本仅 0.03 元。这使得山区学校即使在预算有限的情况下，也能够负担得起使用 Deepseek 进行作文批改 AI 开发和部署的费用，以较低的成本获得高质量的作文批改服务。 算力优化技术先进：Deepseek 团队通过微调 PTX，在算子层面提高了算力使用效率，自行编写 PTX 代码提升了模型训练和推理时的效率，打破了 CUDA 标准库的壁垒，为非英伟达算力芯片软件的发展提供了机遇，也使得在硬件选择上更具灵活性，进一步降低了硬件成本，同时提高了整体的算力利用效率。

挑战：帮生物学家生成基因编辑代码

小组成员：姚景然 高彦梅

选择模型：Grok

说明理由：

数据角度

1. 多源数据整合能力

Grok 模型背后的技术可以整合来自多个渠道的生物数据。基因编辑涉及到大量不同类型的数据，比如基因序列数据（如人类基因组计划所产生的海量 DNA 序列信息）、基因表达数据（反映基因在不同组织、不同条件下的表达水平）、蛋白质结构数据等。Grok 能够处理和融合这些多模态的数据，从而为生成基因编辑代码提供全面而丰富的信息基础。

2. 数据更新与适应性

生物学领域的数据是不断更新和增长的，新的基因发现、疾病相关基因研究成果等不断涌现。Grok 可以实时或定期更新其训练数据，以适应这些新的数据和知识。这意味着它能够及时将最新的基因编辑技术和研究成果融入到代码生成过程中。

3. 数据理解与语义处理

基因编辑相关的数据往往具有复杂的语义信息，例如基因名称、功能注释、疾病关联等。Grok 具备强大的自然语言处理能力，能够理解这些生物数据中的语义信息。它可以将生物学家用自然语言描述的基因编辑需求（如 “设计一个针对特定癌症相关基因的编辑代码”）准确地转化为代码实现，而不仅仅是简单地处理数据的表面特征。

算法角度

1. 强大的语言生成能力

Grok 本质上是一个语言模型，具有出色的文本生成能力。基因编辑代码可以看作是一种特定领域的文本描述，Grok 能够根据生物学家输入的需求和条件，生成符合要求的代码。它可以按照基因编辑技术的规则和语法，自动生成用于基因编辑实验设计、数据分析、模拟等方面的代码。

2. 模式识别与推理能力

在基因编辑领域，存在着许多复杂的模式和规律，如基因序列的保守区域、蛋白质结合位点的模式等。Grok 可以通过对大量生物数据的学习，识别这些模式，并进行推理和预测。它能够根据已知的基因编辑案例和数据，推断出适用于新的基因编辑任务的代码策略。

3. 迁移学习与泛化能力

Grok 可以利用迁移学习的方法，将在其他领域或任务中学习到的知识和技能迁移到基因编辑代码生成任务中。即使面对一些未在训练数据中完全覆盖的基因编辑场景，它也能够通过泛化能力生成合理的代码。

算力角度

1. 高效的并行计算支持

Grok 模型通常运行在强大的计算集群上，具备高效的并行计算能力。基因编辑代码生成过程中可能涉及到大量的计算任务，如基因序列比对、分子动力学模拟等。并行计算可以显著加速这些计算过程，使得代码能够在较短的时间内生成。

2. 大规模模型训练与优化

Grok 是一个大规模的语言模型，需要大量的算力来进行训练和优化。强大的算力可以支持模型在大规模的生物数据上进行长时间的训练，不断调整模型的参数，提高模型的性能和准确性。这使得 Grok 能够更好地学习基因编辑相关的知识和规律，从而生成更优质的代码。

3. 实时响应与交互

在生物学家使用 Grok 生成基因编辑代码的过程中，可能需要进行多次的交互和调整。强大的算力可以保证 Grok 能够实时响应用户的输入和修改请求，快速生成新的代码方案。这使得生物学家能够更高效地进行代码开发和实验设计，提高研究效率。

小组成员：陈柯名

挑战：为国内某山区学校开发作文批改AI

选择模型：DeepSeek

说明理由：

• 数据上：相较于其它模型更适配中文数据
• 算法上：采用 Transformer 架构，能够高效解决问题
• 算力上：作文批改不需消耗太高算力

• 挑战 为国内某山区学校开发作文批改AI
• 小组成员：李平 宋一凌
• 选择模型：DeepSeek
• 说明理由：deepseek作为国内ai对国内数据掌握更多，虽然算力不如其他两个但是更加适合这个挑战，算法上deepseek对语言的理解更加深刻

参与者何东骏，李环宇

数据方面

数据多样性适应不同水平：DeepSeek 模型在训练时使用了大规模多样的文本数据，涵盖了不同体裁、主题、难度层次的文本。对于山区学校学生而言，其作文水平参差不齐，从基础的语句通顺到较为复杂的情感表达和逻辑论述都有涉及。该模型能够处理这种多样性，无论是基础的错别字、语法错误，还是较高层次的写作结构分析、立意评估等方面都有较好的表现。例如，对于山区学校中写作基础薄弱的学生，模型可以准确指出简单的字词错误；对于有一定写作能力的学生，模型也能从更高级的角度给予反馈。 中文数据优化符合国内需求：DeepSeek 模型在训练过程中对中文数据进行了优化，能够更好地理解和处理中文语境下的语义、语法和表达习惯。国内山区学校学生使用中文写作，该模型对中文的精准理解可以更准确地批改学生作文，比如对成语、俗语的正确使用判断，对复杂句式的分析等。相比一些国外模型，DeepSeek 在中文语言处理上更具优势，能更贴合国### 内教学实际需求。 数据更新及时贴合教学变化：随着教育理念和教学大纲的不断更新，作文的要求也在变化。DeepSeek 模型的数据更新机制能够及时融入新的语言表达方式、热门话题和写作规范等内容。山区学校虽然教学资源相对有限，但通过使用该模型，学生能够接触到最新的写作指导，与国内整体的语文教学要求保持同步，例如对新出现的网络热词在作文中使用的合理性判断等。

算法方面

先进的自然语言处理算法：DeepSeek 模型采用了先进的自然语言处理算法，如 Transformer 架构等。这些算法能够深入理解文本的语义信息、上下文关系以及逻辑结构。在批改作文时，不仅可以检查表面的语法错误，还能分析文章的逻辑连贯性、段落之间的衔接以及主题的一致性。例如，在判断一篇议论文的论证是否充分时，模型可以通过对论点、论据和论证过程的分析，给出合理的评价和建议，帮助山区学生### 提高议论文写作水平。 个性化批改算法：该模型具备一定的个性化批改算法能力。它可以根据学生的历史作文数据和写作特点，提供针对性的批改建议。对于山区学校学生来说，由于教育资源的差异，每个学生的知识掌握程度和写作风格都有所不同。DeepSeek 模型能够识别这些差异，为学生提供符合其个人水平的指导，例如对于写作中喜欢使用修辞手法但存在误用的学生，模型可以重点针对修辞手法的使用进行详细讲解和纠正。 多维度评估算法：除了基本的语法和拼写检查，DeepSeek 模型的算法可以从多个维度对作文进行评估，如文采性、创新性、情感表达等。这对于培养山区学生的综合素质和创新思维非常重要。例如，在评估学生作文的文采性时，模型可以分析词汇的丰富度、句式的多样性以及修辞手法的运用效果等，鼓励学生在写作中展现个性和创意。

算力方面

高效的计算性能：DeepSeek 模型在设计上考虑了计算效率，能够在相对较低的算力条件下实现较好的性能表现。对于国内山区学校来说，由于硬件设施可能相对有限，无法提供高端的计算设备。该模型的高效计算性能使得在有限的算力资源下，也能够快速地对学生作文进行批改和分析，不会因为计算资源不足而导致批改过程缓慢或无法进行。 分布式计算支持：DeepSeek 模型支持分布式计算，这意味着可以通过整合多个计算节点来提高计算能力。对于山区学校，如果有多台计算机设备，即使这些设备的性能不是非常强大，也可以通过分布式计算的方式，将计算任务分配到各个节点上，共同完成作文批改任务。这种方式既充分利用了有限的硬件资源，又提高了整体的计算效率，满足了学校对大量学### 生作文进行批改的需求。 低功耗设计：考虑到山区学校的能源供应情况，DeepSeek 模型的低功耗设计是一个重要优势。在运行过程中，该模型消耗的能源相对较少，不会给学校带来过大的能源负担。同时，低功耗也意味着设备的使用寿命可能会更长，减少了学校在硬件设备更换和维护方面的成本。 综上所述，从数据的多样性和针对性、算法的先进性和个性化以及算力的高效性和适应性等方面来看，DeepSeek 模型非常适合用于为国内某山区学校开发作文批改 AI，能够在有限的资源条件下为山区学生提供高质量的作文批改和写作指导服务。

小组成员：张立恒 选择模型：Grok 说明理由：选择 Grok 辅助生物学家生成基因编辑代码有以下多方面原因：

专业知识与特定领域理解：Grok 经过大量训练，对生物学尤其是基因编辑领域有一定的知识储备。它理解基因编辑涉及的概念，如 CRISPR-Cas9 系统的原理、靶点设计、序列比对等，能更好地为生物学家提供符合基因编辑专业逻辑的代码建议和解释。例如，在编写用于设计 CRISPR 靶点的代码时，Grok 能依据基因序列特征和编辑规则，给出合适的算法思路和代码框架。
代码经验与优化能力：在编程方面，Grok 拥有丰富的代码经验，能够处理各种编程语言，如 Python、R 等，这些语言在生物信息学和基因编辑相关的数据分析、算法实现中广泛使用。它可以帮助生物学家优化代码结构，提高代码运行效率，避免常见的编程错误。比如，对于大规模基因数据的处理代码，Grok 能提供更高效的算法和数据结构建议，使代码运行更快更稳定。
学习与适应能力：基因编辑技术不断发展，新的工具和方法层出不穷。Grok 具有快速学习和适应新知识的能力，能够及时掌握基因编辑领域的最新进展，并将其融入到代码生成的建议中。当出现新的基因编辑技术或算法时，Grok 可以为生物学家提供相关的代码示例和应用指导，帮助他们跟上技术发展的步伐。
交互性与问题解决：生物学家在编写基因编辑代码过程中可能会遇到各种问题，Grok 可以通过交互式的方式与生物学家沟通，理解他们的具体需求和问题所在，提供针对性的解决方案。无论是代码逻辑错误的排查，还是功能实现的优化，Grok 都能通过问答的形式逐步引导生物学家找到解决办法。
多任务处理与整合：基因编辑项目往往涉及多个任务，如基因序列分析、靶点预测、编辑效果评估等，每个任务都可能需要不同的代码模块。Grok 能够协助生物学家整合这些不同的任务，将各个代码模块有效地组合在一起，形成一个完整的基因编辑分析流程代码，提高工作效率和代码的可维护性。

综上所述，Grok 凭借其在基因编辑专业知识、编程能力、学习适应能力、交互性以及多任务处理等方面的优势，能够为生物学家生成基因编辑代码提供有力的辅助支持。

三选一挑战：

• 为国内某山区学校开发作文批改AI

• 小组成员：陈禹锦，尹施钰承

• 选择模型：DeepSeek 说明理由：

• 数据：中文数据适应性好 DeepSeek 针对中文进行了优化，在预训练过程中使用了大量高质量的中文语料库，包括各种文学作品、新闻报道、学术论文等。这些丰富的中文数据使得模型对中文的语言习惯、语法规则、词汇搭配等有深入的理解，能够更好地适应山区学生作文中可能出现的各种中文表达方式，准确判断作文中的语言运用是否得当。 它还对中文语境下的一些特殊情况，如成语的正确使用、修辞手法的识别等，有较好的处理能力，能够针对中文作文的特点进行精准批改和反馈，符合国内山区学校的教学需求

• 算力：快速完成推理任务：在进行作文批改时，DeepSeek 能够快速完成推理过程，即使在算力相对有限的环境下，也能在短时间内对大量学生的作文进行批改，不会让师生长时间等待批改结果，提高了教学效率。例如，在日常的作文练习或考试中，学生提交作文后能迅速得到批改反馈，有助于他们及时了解自己的写作问题，趁热打铁进行改进

• 算法：性能优势 强大的语言理解能力：DeepSeek 经过海量语料数据预训练，对中文的理解和处理能力出色。能精准分析作文的立意、结构、语法、词汇运用等，还能识别方言口音的提问，更好地服务山区学生。 深度推理与思维模拟：与此前的模型不同，DeepSeek 不单给出结论，还展示思考步骤，可模拟特级教师的思维路径进行作文批改，追溯推理过程，为学生提供详细的批改意见和提升方向。 多模态处理能力：支持文本、图像、语音、视频等多模态处理，在作文批改中，不仅能处理文本内容，还能对学生可能插入的图片等元素进行分析，甚至可将语音输入的作文转换为文字进行批改，方便山区学生以多种方式提交作文。

王浩源 汪予涵

挑战：为国内某山区学校开发作文批改AI，选择deepseek。

从数据上看，

山区学校收集作文数据虽说有点分散，但现在信息化教学方便多了，DeepSeek 能处理各种数据，还能挖掘山区学生作文的独特之处，保护好隐私 。

算法方面，

它理解语言能力强，能精准找出作文里语法、逻辑问题，给出修改建议。还能根据每个学生的写作特点，给出个性化反馈。而且随着批改作文越来越多，它还能不断优化。

算力上，

DeepSeek 计算快，能快速批改好多作文。用云算力，学校不用买贵设备，能按需扩展，能耗还低，省钱又好用 。

选题：为国内某山区学校开发作文批改AI

小组成员：郭思言 钟佳谕

选择模型：DeepSeek

理由:

数据

• 高效处理大规模数据：能够快速处理海量的作文数据，在相对较短的时间内完成训练和学习，从中提取出有价值的特征和模式，为准确批改作文奠定基础。
• 强大的学习能力：DeepSeek 模型具有大量的参数和复杂的神经网络结构，能够学习到作文数据中的复杂模式和规律。它可以准确地理解不同类型作文的写作风格、逻辑结构和语言表达方式，从而更好地对各种题材、体裁的作文进行批改，无论是记叙文、议论文还是说明文等都能有效处理。
• 良好的泛化能力：它不仅能够对训练数据中的作文进行准确批改，对于新的、从未出现过的作文也能够给出合理、准确的批改结果，具有较强的适应性和通用性，能够满足不同用户和不同场景下的作文批改需求。
• 持续学习与进化：可以利用新的作文数据对 DeepSeek 模型进行持续训练和更新，使其能够不断学习新的写作风格、语言习惯和评分标准等。随着数据的不断积累和更新，模型能够不断进化和优化，提高作文批改的准确性和时效性，始终保持对最新作文数据的适应性。

算法

• 可定制化的模块设计：DeepSeek 模型的算法结构具有较高的灵活性，其各个模块如编码器、解码器等可以根据作文批改任务的具体需求进行定制和调整。例如，可以针对作文的特定评分标准或批改重点，增加或修改某些模块，以更好地满足用户对作文批改的个性化需求。
• 多任务学习能力：能够支持多任务学习，除了基本的语法、拼写检查和语义分析等任务外，还可以同时学习对作文的立意、文采、结构等多个维度进行评估。通过多任务学习，不同任务之间可以相互促进和补充，提高模型对作文整体质量的评估准确性，为用户提供更全面的作文批改报告。

算力

• 并行计算能力强：DeepSeek 模型架构设计使其能很好地利用现代计算硬件的并行计算能力，如 GPU 和 TPU。在处理作文批改任务时，可将大量作文数据分成多个小批次，同时进行处理和计算，大大提高了数据处理速度。例如，在批改一个班级的作文时，能同时对多篇作文进行分析，而不是逐篇顺序处理，极大缩短了整体批改时间。
• 批量推理高效：对于需要批量处理大量作文的场景，DeepSeek 模型能够高效地进行批量推理。可以一次性将多个作文输入到模型中进行处理，利用硬件的并行计算能力，同时对多篇作文进行分析和批改，提高了批量处理的效率，满足学校、教育机构等大规模作文批改的需求。

小组成员：卢嘉瑞 欧阳子晨

####选择问题：跨国电商搭建多语言客服 ####选择模型：ChatGPT ####说明理由：

1. ChatGPT：依托 OpenAI 成熟工程体系，在多轮对话稳定性上有优势，通过记忆压缩算法使 500 轮以上对话响应延迟降低至 3 秒内。 采用 Transformer 架构，通过知识蒸馏技术实现记忆压缩，引入 “价值观拓扑映射” 框架提升道德对齐。 提供免费版和月付 20 美元的付费版，付费版在高峰时间有优先访问权并可使用 GPT-4，广泛应用于各种行业和场景。 训练数据来源极为广泛，涵盖多种语言，但整体偏向英语环境，在英文处理和多语言对话连贯性上优势显著。
2. DeepSeek：非中文语料覆盖率不足，处理西班牙语法律文本错误率达 23%，长文档生成易出现逻辑断层。 训练数据达到 14.8 万亿 token，数据包含大量中文语料，对中文进行了优化，且明显偏重于技术领域。
3. Grok：依托 10 万块英伟达 H100 芯片的算力，在 “孟菲斯超级集群” 上进行训练，该集群由 10 万个液冷 H100 GPU 组成，在单个 RDMA 结构上运行，计算量巨大。

小组成员：袁子扬，戴之哲

选择模型：用Grok帮生物学家生成基因编辑代码

说明理由：

数据角度

丰富的基因数据基础： 生物学家已经积累了海量的基因序列数据。这些数据包括各种生物体（从微生物到复杂的动植物）的完整基因组信息，例如人类基因组计划就绘制出了人类基因组的详细图谱。这些数据为 grok 提供了学习基因序列模式的素材。Grok 可以利用这些已知的基因序列，包括基因的结构（如启动子、外显子、内含子等部分）、基因的功能区域以及不同基因之间的相互关系等信息。 还有大量的基因编辑实验数据，例如不同基因编辑技术（如 CRISPR - Cas9）在不同基因位点的编辑效果、成功率、可能产生的脱靶效应等数据。Grok 可以分析这些数据来了解基因编辑过程中的关键参数和模式，从而在生成代码时参考这些经验数据，提高生成代码的准确性和实用性。

算法角度

机器学习算法用于模式识别： Grok 采用了先进的机器学习算法，如深度学习中的循环神经网络（RNN）或其变体长短期记忆网络（LSTM）。这些算法擅长处理序列数据，而基因序列本质上是一种长序列数据。它们可以学习基因序列中的语法和语义模式，例如识别基因中的特定调控元件序列模式。 对于基因编辑代码生成，监督学习算法可以发挥作用。以已知的成功基因编辑案例数据作为训练集，算法可以学习输入的基因目标信息（如编辑位点、编辑类型等）和输出的正确基因编辑代码之间的映射关系。 基于规则的算法结合领域知识： Grok 也可能融入基于规则的算法。生物基因编辑领域有许多已确定的规则，如基因编辑工具的工作原理（如 CRISPR - Cas9 系统通过 gRNA 与目标 DNA 序列互补配对来引导 Cas9 蛋白切割 DNA）。这些规则可以被编码到算法中，使得 grok 在生成代码时遵循这些生物学原理。同时，算法可以结合从数据中学到的模式，对规则进行灵活运用。例如，根据基因序列的特点和编辑目标，合理设计 gRNA 的长度和序列组成，以提高编辑的准确性和效率。

算力角度

高效计算资源加速学习和生成过程： Grok 需要强大的算力来处理大量的基因数据。在训练阶段，处理海量的基因序列和对应的编辑结果数据，以训练机器学习模型，需要大量的计算资源。高性能的图形处理单元（GPU）或张量处理单元（TPU）可以加速模型的训练过程。例如，使用 GPU 集群可以使深度学习算法在更短的时间内学习到基因序列和编辑代码之间的复杂关系。 在生成代码阶段，当生物学家输入基因编辑需求后，grok 需要快速地对这些需求进行分析和代码生成。强大的算力可以支持复杂的计算任务，如对基因序列进行快速比对和分析，以确定最佳的编辑策略和代码结构。例如，在生成 CRISPR - Cas9 编辑代码时，需要对目标基因序列进行搜索和匹配，以设计合适的 gRNA 序列，这一过程可以通过高效的算力得到加速，从而快速为生物学家提供可用的基因编辑代码。

小组成员：何剑锋 刀子然

选择挑战一 ： 为国内某山区学校开发作文批改AI

运用模型：DeepSeek

原因：

数据角度 多样数据处理佳：DeepSeek 预训练使用海量多样语料，能适应山区学生作文各种题材、风格及表达习惯，理解丰富语言模式与语义。 中文优化针对性强：针对中文教育专门优化，融合大量中高考真题、教师教案等数据，批改中文作文时精准识别语法、修辞等问题。 适应方言表述：可识别方言口音提问，理解山区学生带方言特色的表达，不影响作文批改。

算法角度 Transformer 架构优势：基于 Transformer，自注意力机制捕捉文本长序列依赖，判断作文逻辑连贯性与上下文衔接。 混合专家模型创新：基座模型 V3 采用混合专家机制，预训练和推理速度快，高效处理作文。 生成能力助力批改：能生成针对性修改建议与示例，帮助学生提升作文质量。

算力角度 成本低：训练成本降 50%，推理成本仅行业均值 1/3，如千字作文批改仅 0.03 元，山区学校易负担。 适配性强：可在英伟达 H800 GPU 集群训练，也支持低配设备，适配山区现有硬件。 算力优化技术先进：NSA 及 FlashMLA 项目大幅提升长上下文训练和推理效率，降低算力需求。

成员：陈纪红

选题：为国内某山区学校开发作文批改AI

模型：DeepSeek

原因：```language

> DeepSeek 具备深度的自然语言处理能力，能够准确识别作文中的语法错误、用词不当、逻辑不清等问题。例如在批改作文时，它可以精准指出句子成分残缺、搭配不当等语法问题，也能判断出词汇使用是否恰当、是否符合语境，还能对作文的整体逻辑结构进行分析，看段落之间的衔接是否自然，论点与论据的结合是否紧密等。

> 与许多只给结论的模型不同，DeepSeek 不单是搜索总结知识，还能展示出思考步骤，追溯推理过程。在作文批改中，这有助于对学生作文的立意、论证过程等进行深入分析，比如分析学生在论述观点时的推理是否合理，是否能从给定的材料中正确地提炼出观点并进行有效的论证等。

> 多维度评估能力：可以对学生作文的语言表达、逻辑结构、情感表达、创新性等多维度进行分析，生成详细的评估报告，让学生和老师能全面了解作文的优点和不足，从而有针对性地进行改进。

综上，应选择DeepSeek

选择ChatGPT

• 1.数据方面 语言广泛：数据涵盖 96 种语言，能为跨国电商提供广泛的语言支持，适合面向全球多种语言市场的电商企业。 内容多样：以互联网公开文本为主，数据量庞大且内容多样，使它在处理各种类型的客户咨询时都有一定的知识储备。
• 2.算法方面 技术成熟：基于 GPT-3.5/GPT-4 的经典 Transformer 结构，采用自回归生成机制，技术成熟度高，在语言处理和生成方面表现出色。
• 3.算力方面 性能强劲：需要强大的算力支持来发挥其最佳性能，在处理复杂多语言任务时能保证较高的效率和质量。

总结

ChatGPT 在搭建跨国电商多语言客服体系时优势显著。它自然语言处理能力出色，交流时语气亲切，能理解客户需求并安抚情绪，有效提升用户好感与忠诚度。借助强大的语言学习能力，ChatGPT 能助力企业开拓新兴市场，突破语言和地域限制，挖掘潜在客户，扩大市场份额。 综上，ChatGPT 在多方面优势突出，是搭建跨国电商多语言客服的理想之选。

小组成员：白韩瑾宸 杨延钵

小组成员：明阳 林湘云

选择挑战： 为国内某山区学校开发作文批改AI

选择模型： DeepSeek

说明理由： 数据方面，DeepSeek 拥有丰富的中文数据资源，充分考虑到了国内语言文化的特点。它涵盖了大量符合国内语文教学规范的文本，包括各种经典文学作品、优秀学生作文、教材范文等，能精准适配国内山区学校作文教学的需求。这些数据能让 AI 学习到纯正的中文表达习惯、修辞手法以及独特的文化内涵，使批改更符合国内学生的写作实际，帮助山区学生更好地掌握中文写作技巧，传承和弘扬中国文化。

算法方面，DeepSeek适配中文语言逻辑，它能够准确解析中文句子的句法结构和语义关系，识别中文特有的修辞手法和表达方式，如对偶、排比、夸张等，从而对作文的语言质量进行精准评估。

算力方面，DeepSeek 可以进行国内本地化部署，减少了数据传输的延迟和风险，提高了作文批改的效率和稳定性。对于国内山区学校来说，网络条件可能相对有限，本地化部署能够确保 AI 在本地快速处理学生作文，不受网络波动的影响，保证教学活动的正常进行。同时，数据在国内存储和处理，也符合国内对数据安全和隐私保护的要求，让学校和学生能够放心使用。其次，DeepSeek 的算力优化方案能够高效利用现有资源。它可以根据山区学校的硬件设备和网络条件，灵活调整计算模式，在保证批改质量的前提下，最大限度地降低对算力资源的要求。

### 三选一挑战：

• 为国内某山区学校开发作文批改AI
• 帮生物学家生成基因编辑代码
• 跨国电商搭建多语言客服

2人一组完成活动：

选择：跨国电商搭建多语言客服

小组成员：董昊轩，殷若鸣

选择模型：ChatGPT

说明理由：

数据优势 数据规模庞大：ChatGPT 经过海量文本数据训练，涵盖多种语言、各个领域和主题，使得它在处理跨国电商多语言客服场景下的各种问题时，能有丰富的信息作为支撑，准确理解和回答客户咨询。多语言数据丰富：其训练数据包含了众多语言，对不同语言的语法、语义、语用等方面都有深入学习，能够流畅地与使用不同语言的客户进行交流，无论是常见的英语、汉语、西班牙语，还是一些小语种，都能较好地处理，减少因语言差异导致的沟通障碍。 算法优势 Transformer 核心架构：采用 Transformer 架构，具有强大的并行计算能力和长序列处理能力，能够高效地处理输入的多语言文本，捕捉文本中的长期依赖关系，理解复杂的语言结构和语义信息，从而准确地生成自然流畅的回复内容，提升客服与客户交流的质量。 算力优势 高效的并行计算能力：可以同时处理多个任务和数据，在处理多语言客服问题时，能够同时对不同语言的客户咨询进行分析和回复，极大地提高了客服工作效率，满足跨国电商面向全球客户提供实时服务的需求。

跨国电商搭建多语言客服

选择模型:ChatGPT

理由：
- 数据:拥有海量的预训练数据，涵盖多种领域和语言
- 算法:采用Transformer 架构基础
- 算力: 配备了大规模的计算集群，使用了数千块 GPU 进行分布式训练

小组成员：李天赐 李雨轩

选择挑战：为国内某山区学校开发作文批改AI

小组成员：张健，黎熠斐

选择模型：DeepSeek

说明理由：

• 数据：能处理大规模文本数据，适应中文文本特点，可利用学生作文等数据针对性训练，学习中文作文的语言和结构特点等。山区可能使用方言，DeepSeek可更好处理。
• 算法：有先进的深度学习算法，可准确识别作文的语法、词汇、逻辑等问题，还能评估立意，更准确的理解修辞，引用等，能不断优化提高批改准确性。
• 算力：山区批改作文运算量并不大，不需要太高的算力支持。并且DeepSeek在国内易获得适配的算力资源支持，云计算平台兼容性好，能快速响应作文批改请求。

为国内某山区学校开发作文批改AI

选择模型：DeepSeek

小组成员：赵籽鑫，陈孟峤

## 数据方面：
国内山区学校的学生作文批改，所涉及的数据主要是中文文本数据。DeepSeek 模型在训练过程中能够对大量的中文数据进行学习，对于中文的语言习惯、语法规则、词汇搭配等方面有着较好的理解和掌握。相比之下，ChatGPT 虽然也能处理多种语言，但在中文数据的针对性上可能不如 DeepSeek。Grok 的相关信息目前相对有限，对于中文作文数据的处理能力难以保证能达到 DeepSeek 的水平。国内学生的作文数据在语言风格、文化背景等方面具有独特性，DeepSeek 模型在中文语料上的训练可以更好地适应这些特点，从而更准确地进行作文批改，例如对一些具有中国特色的成语、俗语、表达方式等的理解和判断。

## 算法方面：
DeepSeek 在自然语言处理任务中采用的算法能够有效地处理中文文本。它可以对作文的内容进行语义分析、语法检查、逻辑判断等。对于作文批改中的常见任务，如错别字检测、语句通顺度判断、段落结构合理性分析等，DeepSeek 的算法能够基于其在中文文本上的训练经验，给出较为准确的评估和反馈。而 ChatGPT 的算法虽然强大，但在针对中文作文批改的特定需求上，可能需要进行更多的定制和优化。Grok 由于缺乏足够的公开信息，其算法在中文作文批改任务上的适用性存在不确定性。DeepSeek 的算法在中文文本处理方面的优势可以更好地满足山区学校作文批改 AI 的需求，提高批改的效率和准确性。

## 算力方面：
使用 DeepSeek 模型进行开发在算力方面相对来说具有一定的优势。对于国内山区学校这样的应用场景，通常需要在相对合理的成本和资源限制下实现功能。DeepSeek 模型在设计和训练过程中考虑到了不同的应用场景和资源条件，其在运行时对算力的要求相对适中，能够在常见的硬件设备上较为高效地运行。相比之下，ChatGPT 的运行可能需要较大的算力支持，对于山区学校的应用来说可能会带来较高的成本和资源压力。Grok 如果对算力要求过高，也不适合在这种资源相对有限的场景中使用。DeepSeek 模型在算力方面的平衡使得它更适合为国内山区学校开发作文批改 AI，既能保证模型的性能，又能在资源可承受的范围内运行。

综上所述，为国内某山区学校开发作文批改 AI，DeepSeek 模型在数据、算法和算力方面都更具优势，是更适合的选择。