【
La Ville intelligenteColonne de marque WebLes 5 et 6 juin, le Sommet professionnel de l'industrie axé sur le cycle de vie complet de l'intelligence artificielle autonome (AGENTIC ai), l'AGENTIC aicon intelligent Body Application & Architecture Engineering Conference, s'est tenu à Shanghai.
Dans le cadre du « champ d'application d'agents intelligents verticaux de l'industrie », Li Heng, architecte système Senior chez kotecin fly, a présenté dans le rapport, en s'appuyant sur les capacités de starfire Education Big model et agent, le logiciel SaaS éducatif permet une livraison dynamique des capacités pour répondre aux besoins multiples des utilisateurs Dans des scénarios réels. Il a mentionné que les logiciels du passé résolvaient le problème des « personnes cherchant des fonctionnalités», alors que les grands modèles d'aujourd'hui résolvent le problème de la « compréhension des objectifs du système».
En parlant de faire: les critères d'évaluation de l'IA changent
Depuis 2025, agent est presque devenu le sujet le plus brûlant dans le domaine de l’intelligence artificielle. Par rapport à « l’ia répondra - t - elle aux questions? », les gens commencent à se concentrer sur « l’ia peut - elle accomplir des tâches? ». Ceci est considéré comme un changement de paradigme de l'IA en cours.
Si la valeur fondamentale de l’ia générative consiste à « mieux prédire le prochain jeton », la valeur fondamentale de l’ia AGENTIC consiste à « agir continuellement pour atteindre les objectifs ». Derrière cela, le Centre de gravité du développement de l'IA passe progressivement de la capacité unique de répondre aux questions, de générer du texte, de générer du Code, etc., à des capacités système telles que la planification des objectifs, les appels d'outils, l'exécution en plusieurs étapes et la livraison des résultats.
Alors que l'IA passe de « dire» à « faire», les facteurs clés qui déterminent l'effet final changent également. Les capacités génériques des grands modèles restent fondamentales, mais s'appuient davantage sur leur compréhension et leur maîtrise des connaissances de l'industrie, des processus métier, des systèmes de règles et des scénarios professionnels pour effectuer des tâches complexes dans des scénarios réels.
En d'autres termes, l'ère de l'agent n'est pas seulement la capacité du modèle, mais la capacité de l'industrie que le modèle précipite et possède. Seuls de grands modèles profondément intégrés dans le scénario de l'industrie peuvent réellement transformer l'intelligence en productivité, permettant de passer de la « génération de réponses» à la « résolution de problèmes».
Ce changement affecte profondément l'orientation de diverses industries, et l'éducation est l'un des domaines les plus représentatifs. Comme décrit par Heng Li dans le rapport, les produits SaaS éducatifs traditionnels avec une livraison de fonctionnalités fixes ont du mal à répondre à la demande et le système agent pour la livraison de capacités dynamiques deviendra courant.
La partie la plus difficile de l'éducation à l'IA est la perception du scénario du modèle et la capacité prédictive de l'intention de traduire les données en une base de décision directement appelable par l'IA.
Derrière cela, une base intelligente qui « comprend vraiment l'éducation» est essentielle.
Pourquoi l'éducation a besoin de grands modèles exclusifs
L'avènement de l'agent ne signifie pas que le grand modèle universel peut directement résoudre les problèmes éducatifs. Bien au contraire, la valeur réelle que l'agent joue dans le scénario éducatif dépend en grande partie de la connaissance de l'industrie du modèle de base et de la précipitation de l'industrie derrière lui.
L'industrie de l'éducation est naturellement caractérisée par un haut niveau de professionnalisme, un sérieux élevé, une grande complexité, etc., en ce qui concerne les normes du programme, le système disciplinaire, les lois de l'enseignement et l'orientation vers la valeur, etc. Beaucoup de tâches apparemment simples contiennent beaucoup d'expérience professionnelle cachée derrière elles.
Prenez la préparation d'une leçon, par exemple, derrière une leçon, il faut tenir compte des normes du programme, du contenu du matériel pédagogique, de la base des élèves, de la conception des activités en classe et de l'Organisation des exercices après la classe. Par exemple, la correction des devoirs, les enseignants se concentrent souvent non seulement sur les résultats qui sont bons ou faux, mais aussi sur les raisons pour lesquelles les élèves se trompent, où se trouve le problème et comment les stratégies pédagogiques devraient être adaptées par la suite. Le même problème, qui peut correspondre à des lacunes dans les connaissances, peut également refléter un shortboard de compétences ou même être lié à des habitudes d'apprentissage.
Il n'y a pas de réponse standard à ces questions et elles nécessitent une analyse, un jugement et une prise de décision continus. C'est aussi un défi réaliste auquel sont confrontés les grands modèles après leur entrée dans le scénario réel de l'éducation.
Par conséquent, ce dont l'industrie de l'éducation a besoin, c'est d'un grand modèle pour vraiment comprendre les lois de l'éducation, et pas seulement d'un grand modèle pour la base de connaissances de l'éducation externe.
Prenez le grand modèle d'éducation starfire, dont le renforcement des capacités s'articule dès le début autour de scénarios éducatifs, constamment validés et itérés dans un environnement pédagogique réel.
Il est à la fois capable de comprendre en profondeur le contenu éducatif du matériel pédagogique, des cursus, des questions d'examen, etc., mais aussi de raisonner selon une chaîne de pensée conforme aux lois de l'enseignement et de générer le contenu d'un scénario d'enseignement adapté. Dans le même temps, aidez les enseignants à comprendre les élèves, à faciliter la prise de décision pédagogique et à soutenir des applications d'intelligence éducative plus complexes grâce à des portraits d'apprentissage, à l'attribution rétroactive et à des capacités de planification de tâches complexes.
La concurrence pour l'IA éducative réside dans les capacités du système
Après l'entrée de l'agent dans le processus d'affaires réel de l'éducation, l'accent de la concurrence se tourne vers les capacités du système derrière le modèle. Ceux qui comprennent mieux le scénario éducatif, qui ont une accumulation plus riche de pratiques éducatives et qui sont capables d'accéder aux données, aux ressources et aux processus opérationnels sont plus susceptibles de transformer réellement l'intelligence en productivité éducative.
Quel genre de sujet convient au processus d'enseignement actuel, pourquoi les élèves font - ils les mêmes erreurs, si les lacunes dans les connaissances proviennent d'un manque de connaissances, d'une capacité manquante ou d'un problème d'habitudes d'apprentissage, quelle stratégie d'enseignement convient le mieux à la classe actuelle? ...
Derrière ces questions, il faut non seulement des capacités de raisonnement, mais aussi des perceptions de l'industrie façonnées par des pratiques éducatives à long terme et des données processualisées sur les précipitations appliquées à long terme.
Le grand modèle d'éducation starfire est né de la base de la pratique éducative à grande échelle de plus de 20 ans de service profond de Xinfei à plus de 60 000 écoles et plus de 160 millions d'enseignants et d'étudiants.
L'Atlas des connaissances pédagogiques, le système d'analyse des connaissances pédagogiques, le modèle de stratégie pédagogique, les ressources pédagogiques multimodales, les capacités de gouvernance de la sécurité et plus de 60 milliards de données pédagogiques processuelles générées dans des salles de classe réelles dans 33 régions administratives provinciales forment ensemble le sol sur lequel le modèle d'éducation starfire grandit.
Ces données, dérivées des pratiques pédagogiques réelles de différentes régions du pays, de différents segments de classe et de différentes écoles, contiennent à la fois un précipité régulier de points communs éducatifs et conservent les caractéristiques différenciées des scénarios pédagogiques et des caractéristiques des élèves partout, permettant aux modèles de mieux comprendre et adapter les besoins éducatifs localisés.
Dans l'évaluation spécifique du grand modèle éducatif organisée par le Centre national de recherche en ingénierie appliquée et de technologie intelligente de l'éducation sur Internet, le grand modèle éducatif starfire a obtenu six premières places dans les sept principales évaluations du scénario éducatif, démontrant une forte précision des connaissances et une capacité d'adaptation professionnelle de l'éducation.
Dans le système éducatif intelligent de siffle, le grand modèle d'éducation starfire joue un rôle central intelligent dans la compréhension des besoins, la planification des tâches, l'invocation des capacités, l'Organisation des processus et la formation des résultats.
Lorsqu'un enseignant présente un besoin, le système fait appel à l'ensemble du système de compétences éducatives plutôt qu'à de simples compétences modèles. Par exemple, lorsqu'un enseignant souhaite analyser les résultats d'un test d'aptitude scolaire, le système génère non seulement un rapport d'analyse, mais il est également capable d'identifier les problèmes en combinaison avec les données d'aptitude scolaire, de corréler les profils de connaissances pour localiser les lacunes dans les connaissances, de formuler des recommandations d'amélioration en fonction des stratégies pédagogiques et de générer des programmes d'enseignement ciblés.
Construisez une boucle fermée complète, de la détection d'un problème à la formation d'une proposition d'action. Cela signifie que ce qui, dans le passé, nécessitait de multiples systèmes, de multiples opérations, ne nécessite plus qu'une seule interaction en langage naturel avec le super - intellect enseignant Starlight.
Le grand modèle d'éducation starfire n'est plus une fonction isolée, mais l'ensemble du système éducatif. À ce niveau, le grand modèle d'éducation starfire est une nouvelle génération de base intelligente pour l'éducation intelligente à l'ère de l'intelligence éducative.
De l'IA générative à l'IA AGENTIC, l'IA éducative passe de l'âge des outils à l'âge des systèmes. Ce qui motive vraiment le changement dans l'industrie, c'est la capacité du système qui se forme après l'intégration profonde de la technologie et des pratiques de l'industrie.
Lorsque l’ia commence à comprendre l’enseignement et à comprendre la croissance, la valeur qu’elle apporte passe de la génération de réponses aux vraies questions du scénario de la réalité éducative.
Et c’est peut - être l’avenir le plus attendu de l’ia éducative.
