“两项AI革新成果通过遴选 爱学习再次亮相北京智源大会”

本篇文章2027字，读完约5分钟

6月21日，在全球疫情防控特殊时刻，北京智源人工智能研究院主办的北京智源大会在线开幕，科技部副部长李萌、北京市副市长殷勇出席开幕式并致辞，约15万人在线观看。

为期四天的北京智源大会以网上形式召开

作为国际人工智能高端学术交流活动，今年第二届北京智源大会邀请了alan kay、judea pearl、john hopcroft等5位图灵奖获得者和数十位人工智能行业顶级专家学者进行主题演讲，共设置了19个论坛，

此外，大会还向世界高校医院、科研机构、公司征集了人工智能前沿技术成果，爱学习教育集团自适应学习系统和智能化教育研究两个产品成功入选，继去年唯一一家在线参展的教育公司之后，今年再次参加了在线公司的成果展示，在ai+教育行业的领跑

适应性学习:通过纳米级知识诊断，让孩子实现个性化学习

二千五百多年前，孔子提出了“循证教育”的教育理念，至今仍是世界教育界追求的至高境界。 由于学生的知识掌握水平不同，如何正确诊断每个学生的知识能力，制定个性化的教学计划，实现“千人千面”的学习方法，是教育领域的一大课题。 近年来，随着人工智能技术的飞速发展，适应性学习逐渐应用于教育行业，在技术的加持下，大规模因材施教已不再令人向往。

此次智源大会上，爱学习在线展示的产品之一是自适应学习系统，该系统由爱学习ai lab结合集团丰富的教育教学资源和先进的人工智能算法开发，包括ai学生的知识诊断、ai个性化问题推荐和ai自适应讲课问题三部分

我喜欢学习适应学习系统

其中，ai学生的知识诊断升级了以前流传下来的知识诊断模型，提出了包含三个子系统的通用框架ehfkt。 该框架提取试题的知识点分布、难度特征和语义特征，通过深度学习将试题分层建模，充分挖掘试题特征，大幅提高知识诊断的准确性。 目前，基于该技术研究成果撰写的论文《Exercise Hier Archical Feature Enhance DK Nowled Getracing》被收录在国际人工智能教育大会( aied )中。

学生知识诊断表明，结合目前先进的深度学习、强化学习、图互联网等算法，ai个性化问题推荐改善了基于以前流传算法的对比度不强、推荐问题单一等问题，提高了学生的

在ai自适应讲义中，ai将比较各个推荐的主题，自动进行讲义。 互动授课方法可以根据学生的学习能力进行详细的交谈和少许的交谈，帮助学生真正掌握相关的内容。

目前，爱学习自适应学习系统已经在集团旗下各企业品牌落地应用，涵盖在线和离线、大班和小班、校内和校外等多种应用场景。

智能教研:从生产到ai的应用使教研更加轻松

利用ai技术深入辅助教研流程，形成了从文案生产到文案应用的一系列智能化教研业务流程。

喜欢学习智能化教研系统

以前流传下来的题库复制制作使用的是人工记录试题的方法，需要老师按试题顺序显示知识点和难度较高的新闻，效率低，价格高。 另外，不同老师的教研能力不同，标准不同，显示的准确性也不太得到保障。 喜欢学习ai lab开发的智能化题库副本的生产流程，包括主题ocr副本提取、知识点预测、题型预测、难度预测、智能分辨率问题以及人工审查入库等环节。

喜欢基于最先进的深度学习算法，学习智能化题库的复印生产，可以对试卷进行正式识别、复印识别。 其中，官方识别精度在95%以上，复印识别精度在99%以上。 为了保证知识点推荐的准确度，爱好学习的ai lab将学科知识点分割为5级细粒度。 老师在收录试题的过程中，从ai推荐的知识点中选择试题知识点，可以节省60%以上的收录试题时间。

在业务应用层面，喜欢学习的智能化教研处理方案包括智能判断题、自动排课题、自动组卷等功能应用。 其中，智能判断题算法支持选择、填写空等半客观题的评分，包括图像、复印等多模态输入，不仅节约了老师的时间，也消除了评分者主观因素造成的评分偏差。 目前智能判断题总调用量达到1000万次，判断题精度在0.99以上，未来覆盖半客观问题的语义匹配等越来越多。

自动组卷可以应用于不同的场合。 例如，某一试卷(如中学数学)、ai模型可以智能地分解某一试卷的知识点、难易度和题型。 根据分解的结果可以从题库中选取与某一试题量、题型、知识点和难易度相同的试卷，也可以组成其他类型的试卷(作业、入门考试、外出考试、期中期末考试等)。 另外，学科老师可以选择试题类型。 设定题型、难度、知识点及对应题量后，自动分组功能根据老师给出的条件从题库中制作一套或几套符合条件的测试题供老师选择，大大提高分组工作的效率。

作为“文案与科技驱动的k12教育供给平台”，爱学习教育集团始终拥有以教研教学和科技创新为核心的快速发展推动力，近年来，不断探索ai技术与教育的深度融合，旗下的ai lab相继推出了10多种创新产品和应用，“教育、科技创新， 未来，爱学习将不断进行技术创新，加强与学术机构、科技公司等的合作，让越来越多的ai+教育的创新成果落地。