6月24日,100教育旗下专注于职业教育领域的环球网校日前正式推出个性化教学系统“云私塾”。这套高端私人订制式的学习系统是继100教育收购环球网校后,双方经过半年磨合联手打造的首个产品。这不仅是互联网技术与教育充分融合的产物,而且开启了在线教育的个性化学习时代。
据100教育负责人刘豫军介绍,环球网校的“云私塾”是在环球网校十几年的教学内容积累基础上,结合互联网便利的工具和大数据挖掘形成的一套针对每一个学生的个性化教育系统。刘豫军表示:“我们希望借助这套系统帮助更多的学生提高学习的效率,从而提升学习成绩,这也是我们研发这套产品的初衷。”
另据环球网校负责人伊贵业介绍,“云私塾”个性化学习系统是专门为在线职业培训的人才量身订制的学习服务,为潜在职业人群提供一系列智能服务,可谓职场人士的“超能学习管家”。希望借此系统用一种个性化的学习形式,让学生最终达到高效学习的效果。所谓“云私塾”,云就是大数据、云计算;而私塾是指提供一个私塾似的学习过程管理。此番以一级建造师课程首发试水,未来将逐步推至环球网校其他项目课程。
据伊贵业称,参加职业培训的学生,基本上都是处于白天上班晚上学习,奔波于工地和家两点一线的忙碌生活状态中。而现有的职业培训学习产品简单粗暴的重复叠加,使得学生在学习中有很大的选择盲区,并且学习效果也十分不理想。过多的产品使学生不知该如何选择和学习,难免陷入盲从。“云私塾”个性化学习系统的推出,致力于为学生找到最适合自己的学习路径,经过对产品体系进行精心设计和打磨,锻造出全网最全的课程体系。
据了解,“云私塾”个性化学习系统主要包括精准考点提炼、个性化学习系统、一对一教师讲解、全程助学督导等一系列教学服务。首先,将所有知识点提炼出高频考点,用更短的时间进行强化课程讲解,从而帮助学生在最有限的时间内把握核心知识。然后,利用互联网技术建立的个性化推荐系统,可以针对学生的错题所在考点推送相应的微课程或者测试题,让学生在试题中掌握核心考点,在最短的时间内克题制胜。接下来,教研专家还会根据学生已掌握和未掌握的知识点分类结果直接致电学生,一对一专门讲解学生没有掌握的知识点。此外,在学生报名时、没有完成学习进度时、学习成绩不理想时等每个时间节点,环球网校都会致电学生,为每一个学生提供最具价值的助学服务。
伊贵业表示,通过“云私塾”个性化学习系统对原有产品课程的精心锻造,不仅可以督促学生按时完成学习进度,让他们乐于在实际工作中运用所学去解决现实问题。同时,也有利于学生自觉地丰富学习体系,为他们的实际工作提供理论性指导。甚至还可以激发学生的学习兴趣,使他们持续不断地保持一以贯之的学习热情。这套系统中贯穿了个性化学习服务,可以为学生实时排忧解难。
对于“云私塾”个性化学习系统的推出,刘豫军表示,相信这套系统将有效地提高学生课程的完成度,同时提升学生对于课程服务的满意度。100教育此番率先在环球网校所在的职业教育领域中挑选一级建造师课程试水,未来不仅将在更多职教课程中普及这套系统,还会将这套系统与更多科目的知识点相结合,逐步运用到留学、基础教育等100教育的课程中,让更多学生享受到个性化的在线教育学习服务,真正领略到在线教育的专属、订制化特色,加速推动个性化学习时代在线教育的发展进程。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。