【
Ciudad inteligenteColumna de marca en línea] del 5 al 6 de junio, se celebró en Shanghai la Cumbre de la industria profesional centrada en todo el ciclo de vida de la Ia activa (agentes móviles autónomos) - Conferencia de ingeniería de aplicaciones y arquitectura de agentes de la Aicon activa.
En la "sesión especial de aplicaciones de agentes de la industria vertical", Li heng, arquitecto Senior de sistemas de iflytek, presentó en el informe que confiando en el gran modelo de educación Spark y la capacidad del agente, el software SaaS se educa para lograr la entrega de capacidades dinámicas para satisfacer las múltiples necesidades de los usuarios en escenarios reales. Mencionó que en el pasado, el software resolvía el problema de la "búsqueda de funciones por parte de las personas", mientras que los grandes modelos de hoy están resolviendo el problema de los "objetivos de comprensión del sistema".
De la reunión a la reunión: los criterios de evaluación de la Ia están cambiando
Desde 2025, el agente se ha convertido casi en el tema más candente en el campo de la inteligencia artificial. En comparación con "si la Ia responderá a las preguntas", la gente comienza a prestar atención a "si la Ia puede completar la tarea". Esto se considera un cambio de paradigma de Ia en curso.
Si el valor central de la Ia generativa radica en "predecir mejor el próximo token", el valor central de la Ia activa radica en "actuar continuamente para lograr objetivos". Detrás de esto se refleja el cambio gradual del enfoque de desarrollo de la IA de las capacidades de un solo punto, como responder preguntas, generar texto y generar código, a las capacidades del sistema, como la planificación de objetivos, la llamada de herramientas, la ejecución en varios pasos y la entrega de resultados.
A medida que la Ia pasa de "decir" a "hacer", los factores clave que determinan el efecto final también están cambiando. La capacidad general de los grandes modelos sigue siendo la base, pero completar tareas complejas en escenarios reales depende más de su comprensión y dominio del conocimiento de la industria, los procesos de negocio, el sistema de reglas y los escenarios profesionales.
En otras palabras, la era del agente no solo compite por la capacidad del modelo, sino también por la capacidad de la industria que el modelo precipita y tiene. Solo integrando profundamente el gran modelo del escenario de la industria podemos realmente transformar la inteligencia en productividad y lograr un salto de "generar respuestas" a "resolver problemas".
Este cambio está afectando profundamente la dirección de desarrollo de diversas industrias, y la educación es una de las áreas más representativas. Como describió Li Heng en el informe, los productos educativos tradicionales SaaS entregados por funciones fijas son difíciles de satisfacer la demanda, y el sistema de agentes entregado por capacidades dinámicas se convertirá en la corriente principal.
La parte realmente difícil de educar a la Ia es la capacidad de percepción de escenarios y predicción de intenciones del modelo, que transforma los datos en una base de decisión que la Ia puede llamar directamente.
Detrás de esto, una base inteligente que realmente "entienda la educación" es crucial.
¿¿ por qué la educación necesita grandes modelos exclusivos?
La aparición de agentes no significa que el modelo general pueda resolver directamente los problemas educativos. Por el contrario, el valor real que juegan los agentes en el escenario educativo depende en gran medida de la comprensión de la industria del modelo base y la precipitación de la industria detrás de él.
La industria educativa tiene naturalmente las características de alta profesionalidad, alta seriedad y alta complejidad, que involucran estándares curriculares, sistemas disciplinarios, leyes docentes y orientación al valor. Muchas tareas aparentemente simples contienen una gran cantidad de experiencia profesional oculta detrás de ellas.
Tomando como ejemplo la preparación de lecciones, detrás de un plan de enseñanza, es necesario considerar los estándares curriculares, el contenido de los materiales didácticos, la base de los estudiantes, el diseño de las actividades en el aula y los arreglos de ejercicios después de la escuela. Otro ejemplo es la corrección de los deberes, los profesores a menudo prestan atención no solo a los resultados correctos y incorrectos, sino también a por qué los estudiantes se equivocan, dónde están los problemas y cómo deben ajustar las estrategias de enseñanza en el seguimiento. La misma pregunta equivocada puede corresponder a lagunas de conocimiento, también puede reflejar deficiencias de capacidad e incluso estar relacionada con hábitos de aprendizaje.
Estas preguntas no tienen respuestas estándar y requieren análisis, juicios y decisiones continuas. Este es también el desafío real que enfrentan los grandes modelos después de entrar en la escena real de la educación.
Por lo tanto, lo que la industria educativa necesita es un gran modelo para comprender realmente las leyes de la educación, no solo un gran modelo de base de conocimientos educativos plug - IN.
Tomando como ejemplo el gran modelo de educación spark, su desarrollo de capacidades se ha centrado en escenarios educativos desde el principio, y se ha verificado e iterado continuamente en un entorno de enseñanza real.
No sólo puede comprender profundamente el contenido educativo de los materiales didácticos, los estándares curriculares y las preguntas del examen, sino también razonar de acuerdo con la cadena de pensamiento que se ajusta a las leyes de la enseñanza y generar el contenido de los escenarios didácticos adaptados. Al mismo tiempo, a través del retrato académico, la atribución de trazabilidad y la capacidad de planificación de tareas complejas, se ayuda a los profesores a comprender a los estudiantes, ayudar a la toma de decisiones docentes y apoyar aplicaciones de agentes educativos más complejas.
La competencia de la Ia educativa radica en la capacidad del sistema.
Después de que el agente entra en el proceso de negocio educativo real, el foco de la competencia se está volviendo hacia la capacidad del sistema detrás del modelo. Quien entienda mejor el escenario educativo, que tenga una acumulación más rica de prácticas educativas y que pueda abrir datos, recursos y procesos de negocio, es más probable que convierta verdaderamente la inteligencia en productividad educativa.
¿¿ qué tipo de preguntas son adecuadas para el proceso de enseñanza actual, por qué los estudiantes cometen los mismos errores, si las lagunas de conocimiento provienen de la falta de conocimiento, la falta de capacidad o los hábitos de aprendizaje, y qué tipo de estrategia de enseñanza es la más adecuada para la clase actual? ......
Detrás de estos problemas, se necesita no solo la capacidad de razonamiento, sino también la percepción de la industria formada por la práctica educativa a largo plazo y los datos de proceso de precipitación de aplicaciones a largo plazo.
El gran modelo de educación Spark nació sobre la base de la práctica educativa a gran escala de xunfei, que ha servido en profundidad a más de 60.000 escuelas y más de 160 millones de profesores y estudiantes durante más de dos décadas.
El mapa de conocimientos educativos acumulado a largo plazo, el sistema de análisis de la situación académica, el modelo de estrategia docente, los recursos docentes multimodal, la capacidad de gobernanza de la seguridad y más de 60.000 millones de datos docentes de proceso generados en aulas reales en 33 regiones administrativas provinciales constituyen conjuntamente el suelo para el crecimiento del gran modelo educativo spark.
Estos datos provienen de prácticas docentes reales en diferentes regiones, diferentes segmentos de clase y diferentes escuelas del país, que no sólo contienen la precipitación de las leyes comunes de la educación, sino que también conservan las características diferenciadas de los escenarios docentes y las características de los estudiantes en varios lugares, lo que permite al modelo comprender y adaptar mejor las necesidades educativas localizadas.
En la evaluación especial del gran modelo educativo organizado por el Centro Nacional de investigación de ingeniería de tecnología inteligente y aplicaciones de la educación en internet, el gran modelo de educación Spark ganó el primer lugar en seis de los siete escenarios básicos de la educación, mostrando una fuerte precisión del conocimiento y capacidad de adaptación profesional educativa.
En el sistema educativo inteligente de xunfei, el gran modelo de educación Spark asume el papel de centro inteligente de comprender las necesidades, planificar tareas, llamar capacidades, organizar procesos y formar resultados.
Cuando el Profesor plantea una demanda, el sistema llama a un sistema completo de capacidad educativa, no a una simple capacidad de modelo. Por ejemplo, cuando los profesores quieren analizar los resultados de una prueba de aprendizaje, el sistema no solo genera un informe de análisis, sino que también puede combinar problemas de identificación de datos de aprendizaje, asociar mapas de conocimiento para localizar lagunas de conocimiento, formar sugerencias de mejora basadas en estrategias de enseñanza y generar aún más programas de enseñanza específicos.
Desde la detección de problemas hasta la formación de recomendaciones de acción, se construye un circuito cerrado completo. Esto significa que el trabajo que antes requería múltiples sistemas y múltiples operaciones, ahora solo necesita una interacción de lenguaje natural con el súper agente del Profesor starlight.
Lo que conecta el gran modelo de educación Spark ya no es una función aislada, sino todo el sistema de Negocios educativos. A este nivel, el gran modelo de educación Spark es la base inteligente de nueva generación de la educación inteligente de xunfei hacia la era de la inteligencia educativa.
Desde la Ia generativa hasta la Ia activa, la Ia educativa está pasando de la era de las herramientas a la era del sistema. Lo que realmente promueve el cambio de la industria es la capacidad del sistema formada después de la profunda integración de la tecnología y la práctica de la industria.
Cuando la Ia comienza a entender la enseñanza y el crecimiento, el valor que trae pasa de generar respuestas a preguntas reales en escenarios de realidad educativa.
Y este es quizás el futuro más esperado de la Ia educativa.
