04基于人工智能大模型的智慧教育应用

04基于人工智能大模型的智慧教育应用

赛题关键：AIGC+教育的应用

一：确定应用方向

选取待解决的教育领域核心问题，确定产生怎么样的产品，基于大模型解决什么样的问题

可参考实例一：

高级版作业帮

基于大模型启发式内容生成技术的教学专属题库：基于高质量教育题库数据集和大模型启发式内容生成能力，教师端可根据 提示词或相近题目生成对应新题目，并给出相应答案，辅助教师搭建个人题库； 学生端可根据题目内容要求生成相应解题知识点及解题思路。

可参考实例二：//相对一实现更为困难

类似于虚拟老师且针对学生

首先选定一门核心课程，将课程教学的教学大纲、课件、作业等加入到知 识图谱中，构建多模态课程知识图谱，使得课程知识图谱具备足够课堂教学和 课后答疑的知识储备。然后针对多种开源大语言模型开展功能、性能评测和训 练，选取基础大语言模型，利用构建的多模态课程知识图谱中知识作为测试集， 对选取的大模型生成能力进行微调和纠偏，降低回答错误率。基于成熟数字人 技术，构建虚拟教师数字人，能够为学生提供沉浸式教学/学习体验（即个性化 答疑解惑），实现针对学生的自适应教学/学习、智能答疑和智能分析等功能， 帮助学生更好地理解和掌握课程知识点。

二：获取相关数据

仅提供了计算机网络课程的题库，且数量较少，对于确定的应用方向需要自己寻找数据集/题库。

关于获取数据集的渠道：

机器学习需要的大量数据集从哪里找? - 知乎 (zhihu.com)

Dataset Search (google.com)

天池数据集_阿里系唯一对外开放数据分享平台-阿里云天池 (aliyun.com)

三：构建自己的大模型

实现大模型的微调，提升大模型在特定领域的能力

如何构建自己的大模型（万字长文） (zhihu.com)

1.部署模型

看到了不同的版本：（还不是很懂

1.选择开源基座模型 clone代码

2.模型一般使用hugging face或者langchain等工具库直接调用,没有必要手动下载.

2.微调模型（关键

应用数据集，参考大模型微调方式，选择合适可行的方案

【大模型微调实战】使用Peft技术与自己的数据集微调大模型_peft lora数据集-CSDN博客

通俗解读大模型微调Fine-Tuning - 知乎 (zhihu.com)

落地领域大模型应知必会 (1) ：主要微调方法总览 - 知乎 (zhihu.com)

（这部分相对困难，对不同微调方式理解与应用需要有相关知识

肯定要学习深度学习，大模型的基本知识，就算是调用代码和调参也建立在理解的基础上

2.1基于特征

2.2微调I

2.3微调II

3.部署模型

使用Streamlit启动微调后的模型

4.解决灾难遗忘问题

大模型的灾难遗忘是指在连续学习多个任务的过程中，学习新知识会导致模型忘记或破坏之前学习到的旧知识，从而使模型在旧任务上的性能急剧下降。

四：不同应用选择的额外学习

如可参考实例二中涉及到了多模态知识图谱，数字人技术

可参考实例一中需搭建教师题库，且需要教师端和学生端分别设计

五：提交内容

需要作品介绍，作品Demo，作品演示视频

六：相关问题

是否需要制作相关界面，小程序来调用（未在赛题中明确要求

生端分别设计

五：提交内容

需要作品介绍，作品Demo，作品演示视频

六：相关问题

是否需要制作相关界面，小程序来调用（未在赛题中明确要求