hehaiguang1123
a6f05ab2d5
- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd) - Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py) - Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks - Fix .gitignore to track tools/ and .githooks/ - Fix git remote URL (remove plaintext token) - New wiki pages: 504 pages, 34 raw sources
4.3 KiB
4.3 KiB
categories, tags, created, source, type, aliases
| categories | tags | created | source | type | aliases | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
2026-04-20 | 教学大模型发展状况深度研究报告-20260415 | tool |
|
小猿AI
猿辅导集团于 2025 年 4 月发布的教育 AI 产品，强调「教育+AI」而非「AI+教育」。采用四层架构，实现 100+ 教育应用场景覆盖。
基本信息
| 项目 | 内容 |
|---|---|
| 开发商 | 猿辅导集团 |
| 发布时间 | 2025年4月 |
| 核心理念 | "教育+AI"（而非AI+教育） |
| 底层技术 | 猿力大模型 + DeepSeek-R1 |
| 质量认证 | 信通院5级认证 |
核心理念
「教育+AI」而非「AI+教育」
"教育不是信息的无序狂欢，而是认知的精密手术。"
猿辅导集团核心观点：
- 通用大模型在教育场景存在"功能性代差"
- 需要专门的教育适配层
- 知识安全和精准导航优先于信息自由
四层架构
┌─────────────────────────────────────────────────────────────┐
│ 小猿AI四层架构 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 【场景层】 100+教育应用场景 │
│ │ • AI作业批改 │
│ │ • 个性化1V1讲解 │
│ ▼ • 互动预习... │
│ 【逻辑层】 特级教师"教学思维链" │
│ │ • 500万+小时课程视频积累 │
│ │ • 教学智慧数字化 │
│ ▼ │
│ 【模型层】 猿力大模型 + Deepseek-R1 │
│ │ • 信通院5级认证 │
│ │ • 双模型协同 │
│ ▼ │
│ 【数据层】 高质量教育数据集 │
│ • 学习内容数据 │
│ • 动态学情数据 │
│ • 合作资源 │
│ │
└─────────────────────────────────────────────────────────────┘
核心技术创新：五重错因分析
| 维度 | 说明 | 技术实现 |
|---|---|---|
| 知识漏洞检测 | 识别缺失的知识点 | 知识图谱匹配 |
| 思维路径回溯 | 还原学生解题思路 | 过程日志分析 |
| 概念关联分析 | 找出相关联的薄弱概念 | 图神经网络 |
| 解题习惯诊断 | 发现不良解题习惯 | 行为模式识别 |
| 认知水平评估 | 判断当前认知阶段 | 认知诊断模型 |
三位一体解决方案
| 产品 | 定位 | 规模 |
|---|---|---|
| 小猿AI App | 软件应用 | 100+场景 |
| 小猿AI学习机 | 智能终端 | 20000+课时 |
| 飞象AI通识课 | 通识课程 | 25省市1000+学校，15万学生 |
核心优势
- 教育优先：强调教育理念优先于AI技术
- 特级教师经验：500万+小时课程视频积累
- 双模型协同：猿力大模型 + DeepSeek-R1
- 软硬一体化：App + 学习机 + 通识课
- 质量认证：信通院5级认证
在本 Wiki 中的角色
小猿AI 代表了中国教育AI产品的教育优先路线，是 教学大模型、知识图谱、错因分析 的代表性实践案例。
来源
- 教学大模型发展状况深度研究报告-20260415 — 小猿AI架构、五重错因分析、产品矩阵