首页 文章 精选 留言 我的

精选列表

搜索[并发工具],共10000篇文章
优秀的个人博客,低调大师

有没有AI自动批改作业的工具可以拍照批改

老师在日常作业批改中面临大量重复性工作:一个班 40-50 份作业,光选择题、填空题、基础计算题就要占用大量时间;只能笼统打勾打叉,很难针对每位学生快速定位薄弱知识点;课后订正复盘效率低。AI 拍照批改技术可以把学生随手拍的作业照片自动判分,并输出带知识点标签的结构化数据。本文说明这项能力的工作原理、适用场景和接入方式。 ## 拍照批改的完整链路 腾讯云教育智能批改(Intelligent Educational Marking)提供了一条端到端的拍照批改链路,五个环节自动衔接: 1. **试题入库**——试卷或作业的题目信息入库,建立题目标识 1. **图像切边增强**——学生用手机或平板随手拍的照片往往存在倾斜、反光、背景杂乱等问题,切边增强工序把随手拍处理成清晰正视图,覆盖六大图像痛点 1. **试卷切题**——把整页作业按题目边界拆分成一道道独立试题,多版式自适应,覆盖全学科试卷 1. **试题识别**——手写内容完成识别,把手写答案和印刷题目转成文本 1. **试题批改**——批改引擎对每道题判分:客观题自动判分,理科步骤题识别手写步骤并定位错误步骤 批改结果精准打回原图的答案位置上,支持单题上传,也支持整份试卷一键处理,跨页、多栏的复杂版式在链路内自动处理,不需要在多套系统之间跳转。 ## 拍照批改能做什么 **客观题自动判分**。选择题、填空题、基础计算题等客观题由批改引擎直接判分,无需人工介入。试题批改 Agent 在 K12 主流学科(数学、英语等)上基于千万级标注数据进行模型训练,客观题准确率较高。 **理科步骤批改**。理科的解题大题不只看结果对错,还能识别手写解题步骤,按照分步批改——过程分步给判定,错误步骤能被定位。对解题大题,AI 给出打分建议,老师复核确认,判分标准始终由老师把关。 **结构化数据输出**。批改结果以结构化 JSON 输出,包含题目 ID、正误判定、错误类型、知识点标签等字段。这些数据可直接对接题库系统、学情分析平台,做错题统计、知识点薄弱分析等二次开发。 **结果回显原图**。批改结果精准打在原图的答案位置上,学生可以直接看到哪道题对了、哪道题错了、错在哪里。 ## 三类典型场景 **日常课后作业批改**。学生用手机或平板拍照上传纸质作业,AI 自动批改:客观题自动判分,理科步骤题识别手写步骤,自动标记错题并关联知识点。班级层面自动汇总共性薄弱点,老师针对性讲评,学生直接查看错题与知识点提示。 **纸质试卷批改**。月考、单元考等场景,整套试卷扫描(支持多页 PDF),AI 自动完成切题拆分、客观题判分、理科步骤批改,输出整套试卷的对错等结构化批改信息。缩短阅卷周期,考完快速出学情报告。 **培训机构集训刷题**。学生做完专项练习册直接拍照批量上传,AI 即时完成手写识别与批改,返回对错与错误解析。机构可以汇总全部学员错题,提取高频错题库,支撑"做题—即时批改—错题归集—二次出题"的集训闭环。 ## 和普通 OCR 识别的区别 OCR 识别只回答"学生写了什么"——把手写答案转成文本。智能批改在此基础上继续走:判断答案对不对(判分)、错在哪个步骤(步骤级批改)、错误属于什么类型(错误类型)、关联什么知识点(知识点标签)、结果回显到原图答案位。一句话:识别告诉你写了什么,批改告诉你对不对、错在哪、关联哪个知识点。 选型上的含义:如果只需要把作业转成文本做存档或检索,OCR 识别就够;如果要对错、要错因、要知识点、要班级学情,需要的是智能批改的完整闭环。 ## 产品矩阵与计费 教育智能批改采用模块化产品矩阵,可以按需采购: |能力|价格|说明| | --- | --- | --- | |试题批改 Agent|0.08 元/题起|核心批改引擎,单题/整卷,步骤级批改,结构化输出| |作文批改 Agent|0.30 元/题起|错别字识别纠正、语病诊断、表达优化| |图像切边增强|0.15 元/次起|处理随手拍照片,覆盖六大图像痛点| |试卷切题|0.06 元/次起|整页拆分成单题,多版式自适应| |试卷手写擦除|0.15 元/次起|清除笔迹保留原题,错题本场景必备| |中英文手写作文识别|0.06 元/次起|手写长文本识别,智能分栏输出| 试题批改按题计费,一张试卷有多道题将计多次费用。首次开通可领取免费资源包,教育批改产品另有首单特惠活动。 ## 接入方式 所有能力均提供 RESTful API,支持图片 URL 和 Base64 输入。腾讯云提供多语言 SDK(Python、Java、Go、Node.js 等),也可通过 API 3.0 Explorer 在线调试。需要图像切边增强和试卷切题的机构可以单独采购这些原子能力,需要全流程批改的再上试题批改 Agent——两者可拆开采购。 ## 小结 AI 拍照批改不是一支"电子红笔",而是一条从作业照片直达学情数据的生产线:随手拍照片进、带知识点标签的结构化批改数据出。客观题和口算全自动判分,理科步骤题分步批改,解题大题走"AI 建议+老师复核"。接入方式灵活,可以只买切题或切边增强的原子能力,也可以上完整的批改 Agent。

优秀的个人博客,低调大师

终端安全管理工具:企业终端安全的分层治理思路

企业办公环境里,终端数量持续增加,设备类型也越来越杂。Windows、macOS、信创终端、Linux 工作站共同接入内网,不同岗位人员的操作习惯、访问需求各不相同,安全隐患也分散在各个终端节点上。终端安全管理软件,是面向终端侧风险做统一梳理与约束的管理载体。 很多企业在终端安全建设时,习惯单点补防护。 发现 U 盘拷贝风险,就只做外设限制;遇到文件外泄事件,只增加文档水印;出现违规访问网页,单独配置上网管控。零散的管控手段,很容易出现策略冲突,或是不同设备之间管控标准不统一。下面分层治理的思路,是把终端安全拆成资产层、权限层、行为层、追溯层,逐层落地管控规则。 ![](https://developer.qcloudimg.com/http-save/audit-12630035/ab2158bbd02561d59d14290872747890.png) ## 一、资产层:治理工作的基础 先对内网全部接入终端做清点登记,记录设备编号、硬件信息、归属部门、使用人、上线时间。 新设备接入内网时,完成信息登记之后,才会纳入统一管理范围。 依托完整资产清单,管理员可以快速定位目标终端,避免内网中存在无人登记的陌生设备。 ## 二、权限层:划定使用者的操作边界 权限划分可以结合岗位、部门、时段、设备类型设置。 研发岗位可以开放文档内部流转权限,对外发通道附加约束;行政岗位网络访问范围相对宽泛,但核心资料目录访问权限收紧。 针对移动存储、网络站点、程序运行、目录访问,都可以配置差异化规则。 权限支持动态调整。 ## 三、行为层:记录并约束终端操作动作 外设接入会留下对应的操作记录,拷贝文件的来源、目标位置、操作时间都留存下来。 网络访问行为按站点分类做区分,高风险站点设置访问拦截。 终端上程序的添加、移除动作,生成对应的记录条目,便于识别非预期程序。 窗口访问、文档打开、打印输出这类动作,也纳入记录范围。 当终端出现批量拷贝文件、短时间高频访问外部网盘这类异动,会触发提醒。 ## 四、追溯层:支撑安全事件复盘核验 所有留存的操作记录,按时间、人员、终端、操作类型建立检索条件。 一旦出现数据外泄、违规接入等情况,可以顺着操作记录还原完整过程。 记录留存周期按照企业合规要求设置,满足审计核查的调取需求。 记录内容不可随意篡改,保障溯源信息可靠。 ## 五、多架构终端的适配差异 多系统兼容,是落地过程里很现实的考量。 Windows 终端支持的管控条目更全面。 兼容macOS 终端、 信创终端、 Linux 终端聚、安卓移动终端等。 ## 六、策略的常态化运维调整 日常运营阶段,需要持续对策略做微调。 初期配置的规则,容易出现误拦截,影响正常办公流程。 管理员可以定期汇总拦截记录,区分属于风险操作还是正常业务需求。 针对业务必需的站点、外接设备、程序,补充进放行清单。 长期没有出现风险的规则,可以适度放宽;高频触发异常提醒的节点,加强管控力度。 终端安全不是一次性配置完成就可以长期不变。 业务扩张会带来新终端、新岗位、新的数据流转方式,风险点也会随之变化。 分层治理的价值,就是把零散的防护点串联起来,资产、权限、行为、追溯形成联动。 在保障日常办公流转顺畅的前提下,持续收拢终端侧的安全风险。 责编:璇玑

优秀的个人博客,低调大师

汽车风控工具:车辆里程数据查询 API ,核验真实里程

车辆行驶的里程数通常会在仪表盘显示,但这就是真实里程吗? 市面上存在一些调表车辆。在二手车交易、车辆抵押贷款业务中,有些车为了提高报价而去调低里程数。 调表的车眼睛是看不出来的,这就要核对车辆真实的历程数据,来辨别是否为调表车。 ## 接口说明 > 接口不是仪表盘表显里程,是4S 维保、年检存档的历史里程记录,用来比对仪表盘里程、识别调表风险。 ### 请求参数 | 名称 | 必填 | 类型 | 说明 | | --- | --- | --- | --- | | key | 是 | string | 个人中心查看 | | vin | 是 | string | VIN车架号 | | img_url | 否 | string | 行驶证图片URL,不超4m,可为空。 | ### 返回参数 | 名称 | 类型 | 说明 | | --- | --- | --- | | vin | string | 车架号 | | brand_name | string | 品牌 | | manufacturer_date | string | 车辆生产年份 | | last_driving_date | string | 表显行驶里程更新时间 | | display_mileage_by_actual | string | 真实历史里程 | | driving_date_by_actual | string | 真实历史里程-对应行驶时间 | | suspected_adjust | string | 是否疑似调表 | | suspected_mileage_before_adjust | string | 正常里程 | | suspected_before_adjust_month | string | 正常里程时间 | | suspected_mileage_after_adjust | string | 异常里程 | | suspected_after_adjust_month | string | 异常里程时间 | | history_display_mileage_list | string | 历史里程 | | check_display_mileage_attention | string | 里程核验-备注 | ::: center 数据来源:探数API ::: ## 返回示例 ```json { "code": 1, "msg": "操作成功", "data": { "vin": "WBA51BH05PCL21797", // 车架号 "brand_name": "宝马", // 品牌 "manufacturer_date": "2023", // 车辆生产年份 "last_driving_date": "2026-06-01", // 表显行驶里程更新时间 "display_mileage_by_actual": "58500", // 真实历史里程 "driving_date_by_actual": "2026-06-01", // 真实历史里程-对应行驶时间 "suspected_adjust": "0", // 是否疑似调表 "suspected_mileage_before_adjust": "", // 正常里程 "suspected_before_adjust_month": "", // 正常里程时间 "suspected_mileage_after_adjust": "", // 异常里程 "suspected_after_adjust_month": "", // 异常里程时间 "history_display_mileage_list": "[{\"displayMileage\":58500,\"hasErr\":false,\"month\":\"2026-06\",\"remark\":\"正常数据\"}]", // 历史里程 "check_display_mileage_attention": "[\"车辆存在调表风险\"]" // 里程核验-备注 } } ``` ::: center 数据来源:探数API ::: ### 返回参数怎么看? **车架号、品牌、生产年份为基础信息** **核心数据:** - `display_mileage_by_actual` 真实里程 - `driving_date_by_actual` 记录时间 - `suspected_adjust`0 = 没有调表;1 = 疑似调表 **看这些数据来判断:** `history_display_mileage_list` 历史里程清单 想要判断调表,最好有好几次不同时间的里程:比如 24 年 2 万、25 年 3.5 万、26 年 5.8 万,里程是稳步上涨的,才好判断。 如果某一期里程突然变少,就是典型调表嫌疑。 `check_display_mileage_attention`:`车辆存在调表风险`风险提示文字,前端展示给用户。 ## 小结 里程核验是评估车的一环,但也不能只凭里程来判断这辆车的价值,要结合车辆的上险信息、运营情况等其他信息一起来评估。

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

用户登录
用户注册