该研究针对现有大语言模型在教育应用中偏重西方内容、难以适配印度本土课程体系的问题,构建了基于NCERT教材的问答数据集,覆盖9至12年级五个学科,共包含18,720组问答对。研究团队以LLaMA 3.1 8B模型为基础进行微调,并结合检索增强生成框架,开发出名为Gurukul AI的开放教育平台。该平台支持学生用英语或印地语与模型交互,解答疑问、练习考试题型并获取情境化答案。这项工作通过将AI能力本地化,有效弥合了通用大模型与印度区域性教育需求之间的差距,为多语言、考试导向的教育环境提供了可参考的实践路径。
| LLM (Large Language Model) | 大型语言模型,一种基于深度学习的人工智能模型,能够理解和生成自然语言文本。 |
| NCERT | 印度国家教育研究与培训委员会,负责制定和发布印度学校课程标准和教科书。 |
| RAG (Retrieval-Augmented Generation) | 检索增强生成,一种结合信息检索和文本生成的技术,用于提高模型回答的准确性和相关性。 |
| Fine-tuning | 微调,在预训练模型的基础上,使用特定数据集进一步训练以适应特定任务或领域。 |
| GurukulAI | 本文提出的面向印度教育体系的交互式AI驱动教育平台,支持英语和印地语。 |
📱 每天一份 AI 前沿日报
关注公众号,每天 09:00 推送 · 不错过任何重磅