腾讯元宝—教育多模态大模型关键技术研究

1.负责LLM和多模态大模型在教育领域能力提升，优化元宝教育应用效果，包括但不限于：CPT、SFT、Reward设计与RL训练等； 2.应用大模型技术，设计并优化教育场景AI Agent的核心能力，例如思路规划、Memory机制、工具调用以及多Agent协作，推动Agent技术在教育领域的应用； 3.基于教育领域模型应用特点，构建精准的模型自动评测能力，持续优化模型领域评测集与评测效果； 4.主导算法从需求分析、方案设计、数据处理、模型训练评估与上线的全流程，确保算法高效、稳定地服务于产品。

1.负责语音大模型post-training (SFT和RL)，针对业务需求进行优化，提升模型的特定能力（如共情能力、知识准确性）； 2.负责后训练数据挖掘，分析，清洗和构建，建立数据驱动优化闭环，持续提升模型能力； 3.负责业务侧相关评估方法的开发，研发能够反映产品真实体感的评测体系标准与自动化评测技术，指导后训练优化方向； 4.探索多模态大模型的前沿技术，如端到端语音对话，情感交互等，并落地到业务产品。

1.质量标准制定：负责制定教育类大模型的质量标准和评估体系，涵盖问答生成的准确性、流畅性、合理性等维度，确保AI生成内容在教育场景下的高质量与高准确性； 2.生成内容的评测与优化： 基于用户反馈、数据分析等手段，组织评测团队对AI生成的教育内容进行定期评测，分析结果并与技术团队合作，推动模型的不断优化与进步； 3.模型智能提升策略： 制定大模型在教育领域整体的智能提升策略，协调跨部门资源，推动AI大模型在教育应用中的深度融合与持续创新； 4.用户反馈与需求挖掘： 通过数据分析、用户调研等手段，挖掘教育产品用户的需求与痛点，优化大模型的生成内容与互动体验； 5.跨部门协作与项目推进： 与研发、数据科学、教育专家等团队密切协作，确保AI的质量标准和优化方案能够高效落地。

1.质量标准制定：负责制定教育类大模型的质量标准和评估体系，涵盖问答生成的准确性、流畅性、合理性等维度，确保AI生成内容在教育场景下的高质量与高准确性； 2.生成内容的评测与优化： 基于用户反馈、数据分析等手段，组织评测团队对AI生成的教育内容进行定期评测，分析结果并与技术团队合作，推动模型的不断优化与进步； 3.模型智能提升策略： 制定大模型在教育领域整体的智能提升策略，协调跨部门资源，推动AI大模型在教育应用中的深度融合与持续创新； 4.用户反馈与需求挖掘： 通过数据分析、用户调研等手段，挖掘教育产品用户的需求与痛点，优化大模型的生成内容与互动体验； 5.跨部门协作与项目推进： 与研发、数据科学、教育专家等团队密切协作，确保AI的质量标准和优化方案能够高效落地。