至顶网CIO与应用频道 05月25日 北京消息:“此次成立的目的是想解决大数据在教育行业中的问题,共同推动教育大数据以及自适应学习的发展。”5月23日,中国人民大学论答教育大数据研究中心在中国人民大学统计与大数据研究院挂牌成立。此次双方将建立全面的产学研战略合作关系,集成各类资源,优势互补,将科研与实践相结合,加速大数据技术在教育行业的落地。
作为国内知名高校,中国人民大学统计与大数据研究院在统计学、大数据分析、自适应设计等方面具有人才培养和科学研究优势。论答公司(Learnta Inc.)则是一家在2016年同时成立于纽约和上海,专注于 “人工智能 + 教育”的初创企业。具有教育大数据与自适应学习等领域的产品研发、市场开拓等方面优势。
据论答公司创始人兼CEO王枫介绍,此前论答公司的创始团队成功领导开发了国内第一个以国际顶尖水平算法为核心的人工智能学习系统,并主持了国内教育领域第一个有关人工智能技术有效性的实证研究项目。在针对国内中小学课程体系方面,论答PRISM人工智能算法引擎,以国际顶尖算法技术为核心,从百亿级知识状态中,精准定位每一位学生的知识薄弱点。论答人工智能学习系统,为每一位学生量身定制循序渐进的学习路径,同时匹配教学视频、练习题等课程内容。论答PERSONA教学模式,通过最合适的教学方法,实现学生、老师、系统之间的高度互动,从而提升学习效率,确保学习效果。
王枫认为,人工智能与大数据技术已经落地很多行业,比如百度、滴滴、淘宝,而在教育行业,论答在中国国内首先实现落地。“优质的教育不应该只属于少数人,我们的目标是‘让每一个孩子的学习都更有效。”王枫强调,教育是每一个孩子的权利,他希望通过论答的努力,让中国的孩子们都享受到更优质的教育。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。