教育焦慮已經(jīng)成了全民話題。去年以來(lái),從輿論導(dǎo)向到配套政策,似乎也在回應(yīng)這個(gè)問(wèn)題。其中一個(gè)手段是「分流」,也就是在社會(huì)關(guān)注度最高的高考之前,把學(xué)生分流到不同的教育層次。
這種措施已經(jīng)實(shí)打?qū)嵉卦谶M(jìn)行了,比如高考雖然關(guān)注度高,但它不是難度最大的考試,因?yàn)樗匿浫÷视?5%,而高中的錄取率在未來(lái)會(huì)保持或邁向50%。
這種「分流」能解決教育焦慮嗎?我們先來(lái)做兩個(gè)假設(shè)。
第一個(gè)假設(shè)關(guān)于“桃子”。假設(shè)有三個(gè)人,都喜歡吃桃子,但是只有4個(gè)桃子,每人分不到2個(gè)。如果分桃子的人說(shuō),讓我們來(lái)減少一半的桃子至2個(gè),功勞少的兩個(gè)人可以選擇退出,剩下的一個(gè)人就可以拿到2個(gè)桃子了。
第二個(gè)假設(shè)關(guān)于“蘋(píng)果”。假設(shè)有三個(gè)人,都喜歡金蘋(píng)果。但是只有2個(gè)金蘋(píng)果,不能保證每人1個(gè)。分蘋(píng)果的人說(shuō),讓我們減少1個(gè)金蘋(píng)果,不夠漂亮的兩個(gè)人可以退出,剩下的那個(gè)最美的人就可以保證拿到金蘋(píng)果了。
兩個(gè)假設(shè)中,分別的三個(gè)人,是否會(huì)有人在減少了桃子和蘋(píng)果的情況下,主動(dòng)選擇退出,讓剩下的人輕松拿到獎(jiǎng)勵(lì),避免三個(gè)人的共同焦慮?
這兩個(gè)假設(shè),其實(shí)有現(xiàn)成的答案。
第一個(gè)假設(shè),如果發(fā)生在春秋戰(zhàn)國(guó),結(jié)局會(huì)變成三個(gè)人都自刎而亡。這就是著名的“二桃殺三士”的故事。
第二個(gè)假設(shè),如果發(fā)生在希臘神話里,結(jié)局將會(huì)是引發(fā)一場(chǎng)戰(zhàn)爭(zhēng),那就是“特洛伊之戰(zhàn)”。
回到教育焦慮這件事兒。
其實(shí)這和分桃子、金蘋(píng)果的故事很像。家長(zhǎng)們非常重視子女教育,但是優(yōu)秀的大學(xué)名額是有限的,造成了激烈的競(jìng)爭(zhēng)。
而高考前的「分流」,從高中階段減少入學(xué)名額,提高中考難度,就相當(dāng)于減少獎(jiǎng)勵(lì)比例,讓有些人知難而退,從而降低高層次競(jìng)爭(zhēng)難度。
但是桃子和蘋(píng)果的故事告訴我們,減少供給,并不會(huì)減少焦慮,反而會(huì)讓競(jìng)爭(zhēng)變得更加慘烈。
因?yàn)榻逃龔膩?lái)不是教育問(wèn)題,而是一個(gè)相對(duì)公平的,提供階層躍升,或者階層更新的競(jìng)爭(zhēng)系統(tǒng)。
這就好比,要解決高房?jī)r(jià),暫停土地拍賣和叫停房地產(chǎn)融資,也不可能讓房?jī)r(jià)下降,只有提供更多低成本的土地才可以。
只有增加供給,才能讓競(jìng)爭(zhēng)者的心態(tài)更平和,焦慮更少。
減少優(yōu)質(zhì)資源供給,或者設(shè)定前置分流系統(tǒng),只會(huì)讓焦慮更加嚴(yán)重,或者讓焦慮換一種方式存在。
好文章,需要你的鼓勵(lì)
騰訊ARC實(shí)驗(yàn)室推出AudioStory系統(tǒng),首次實(shí)現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長(zhǎng)篇音頻故事。該系統(tǒng)結(jié)合大語(yǔ)言模型的敘事推理能力與音頻生成技術(shù),通過(guò)交錯(cuò)式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場(chǎng)景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開(kāi)辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過(guò)讓AI同時(shí)學(xué)習(xí)外觀和運(yùn)動(dòng)信息,顯著解決了當(dāng)前視頻生成模型中動(dòng)作不連貫、違反物理定律的核心問(wèn)題。該技術(shù)僅需添加兩個(gè)線性層就能大幅提升運(yùn)動(dòng)質(zhì)量,在多項(xiàng)測(cè)試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實(shí)用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實(shí)驗(yàn)室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語(yǔ)言模型人性化對(duì)話問(wèn)題。該研究創(chuàng)建了包含20萬(wàn)高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評(píng)測(cè)基準(zhǔn),通過(guò)創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時(shí)顯著提升人性化交互水平,為AI價(jià)值觀對(duì)齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊(duì)開(kāi)發(fā)的GraphCast是一個(gè)革命性的AI天氣預(yù)測(cè)模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報(bào),準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過(guò)學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測(cè)方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來(lái)了效率和精度的雙重突破。