腾讯元宝—教育多模态大模型关键技术研究

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。

1.参与ai agent应用构建，在丰富的业务和垂直场景下，紧跟前沿agent应用技术发展，构建各类ai agent应用； 2.紧跟ai应用的前沿技术范式，提升ai应用构建的系统能力。

1.负责AI搜索、大模型对话等场景中AI Agent方向的算法研究，提升大模型逻辑推理和任务规划能力； 2.优化Agent的工具调用、记忆管理能力，解决AI搜索下多卡片、多API的调用精度，提升与环境的交互能力； 3.优化Agent上下文理解能力，解决查询意图、查询拆解、问题补全等实际问题； 4.LLM相关的算法探索与落地工作，包括不限于RAG、SFT+强化学习、Multi-Agent等前沿方向。