网站地图
关于我们
企业简介
文化与价值观
人才招聘
联系我们
科技创新
教育科技
投资者关系
公司治理
新闻及活动
股票信息
财务信息
战略投资
投资策略
投资方向
投资优势
投资品牌
ESG
ESG战略
ESG管理
定期报告
诚聘英才
社会招聘
校园招聘
GlobalTalent
法律声明
职业准则
廉政合规

新闻中心

News center

MathGPT全面开放!将落地学而思AI学习机

2023-11-07

近日,按照《生成式人工智能服务管理暂行办法》规定,学而思大模型MathGPT完成了相关备案并已通过审核,正式成为首批通过备案的教育大模型。

随后,学而思将在学习机上陆续落地基于自研大模型的AI能力应用,MathGPT也从即日起由内测阶段转为全面开放。

作为教育领域的垂直大模型,MathGPT专攻教育和学习场景下AI能力的训练和优化,而学而思学习机将成为MathGPT的核心落地产品。学习机陆续上线的功能包括“AI对话学”、“AI讲题助手”、“中英文写作助手”等等。其中“AI对话学”通过多轮对话的方式将精准学定位到步骤级,不管是准确度还是个性化程度上,都实现了代际化的提升。

整体AI能力升级后,学而思学习机将大幅度提升AI自适应学习水平,而之前“好内容”的优势可以被进一步凸显。这次整体产品升级后,学而思学习机也顺其自然成为了AI学习机。

640.png上线“AI对话学”,将“精准学”拆分到步骤级

这次学而思学习机整体升级中,一个非常值得关注的落地应用就是“AI对话学”。 

“AI对话学”基于MathGPT的解题和讲题能力,由学而思研发。“AI对话学”可以通过学生与AI的对话式学习交流,细分步骤进行定位,快速分析出学生的薄弱点。

过去,AI精准学的判断方式多通过“题目”来实现。但如果通过常规的做题刷题情况进行学情分析,AI仅能判断出哪道题出现错误。然而,在很多情况下,解一道题背后涉及多个不同小知识点,甚至还要综合考虑用户不同维度的能力水平,比如到底是计算能力薄弱还是解题逻辑的问题。因此,在上一代AI产品中,机器很难做到非常精准的诊断。

而大模型时代的出现,提供了打开这个“黑匣子”的机会。这次,学而思学习机搭载的“AI对话学”就将精确定位每个用户的问题。

学而思“AI对话学”把每一道题目拆解为多个小步骤,每一个小步骤对应一个知识点,AI能就每一个细分步骤向用户进行提问,在和用户的多轮对话中诊断他的薄弱点,由此足够准确地定位到用户真正的问题所在,再输出有针对性的练习内容。

除此之外,学而思学习机还可以根据历史学习记录进行智能分析规划,帮用户推荐自适应的挑战和练习。

在用户端,“AI对话学”大大降低了孩子们的使用门槛,用最简单的对话方式实现多轮互动。


中英文作文批改助手、AI讲题助手等多项AI能力齐上线


除了在精准学上的重要变化,在各项实际的工具型应用上,学而思学习机也做了一轮迭代。用户自学场景中的应用都做了AI能力升级,包括基于大模型的讲题、中英文作文批改等等。

这一轮产品升级后,除了提供更好的交互体验外,更重要的是将灵活度大大提升。

以中文作文批改为例,学而思让大模型专项学习了教研老师提炼的“字、词、句、段、篇”五步优化法,可以实现语文作文的一键润色。

2.png中文作文批改功能

此外,学而思学习机还将陆续上线AI讲题助手、高效作业助手、知识百科问答、对话听写、语音助手等多项AI能力,用户可以体会到“一拍即讲、自由问答”等轻松易用的AI交互学习方式。各项AI能力还将彼此联动,得到整体设计和优化。

学习场景的“好内容+大模型”想象力有多大?

教育垂类大模型的重要价值就来源于在教育领域的专攻。教育是一个独特的领域,其中一个很大的特点就是用户的容错率低、试错成本高,又有很高的个性化需求。

所以,在调试大模型时,学而思积累20年的教研教学数据、用户数据以及对用户的理解,就非常重要。比如以AI讲题为例,学而思团队要基于之前积累下的、针对不同年龄段孩子的讲题思路对机器进行调试,这些如果没有足够细致的积累很难做到。

内容安全层面,好未来旗下学而思大模型MathGPT和学而思学习机也构筑了全面的内容审核防护体系。

生成式大模型实现的人机交互让AIGC时代以更快的速度到来,也给了教育场景更多的可能性。学习机作为一个综合智能硬件,可以拓展的场景非常多。

学而思自研体系和学习资源一直被认为是学而思学习机的核心优势,如果同时具备“好内容+大模型能力”,解决好自适应学习这个终极难题,学而思学习机的想象力和延展性会非常大。

在自适应能力和交互性大大提升后,用户在学而思学习机上的学习效率也将大幅度提升。不过,更有想象力的或许是,学而思学习机将从之前智能终端的角色升级为真正的个人智能助手。

本文转自速途网:https://www.sootoo.com/content/865683.shtml