OmniEdu Inafanya kazi

OmniEdu ni mfululizo wa modeli za elimu zenye uwezo wa kushughulikia aina nyingi za data, zilizowekwa wazi na timu ya DCAI ya Chuo Kikuu cha Peking kwa ushirikiano na Chuo Kikuu cha Sayansi na Teknolojia cha China na Chuo cha Zhongguancun, zikiwa na ukubwa wa 27B, 9B na 4B. OmniEdu inasisitiza uwezo wa kufundisha: inaweza kujibu maswali ya masomo, kubaini nafasi ya dhana katika mtaala, kutambua sababu za makosa ya mwanafunzi, na kuchagua hatua inayofaa ya ufundishaji. Timu ilichagua takriban sampuli 69,000 kutoka kwa data ya awali milioni 1.34 kwa ajili ya mafunzo, na kufanya modeli ifikie kiwango cha SOTA katika kazi za masomo mbalimbali, utambuzi na ushauri. Modeli ndogo ya 4B inaweza kutumika kwenye seva za kawaida, hivyo kupunguza kizingiti cha matumizi kwa shule.

Kutatua maswali ya masomo: Hushughulikia hisabati, sayansi, ufahamu wa kusoma na uandishi, ikitoa jibu sahihi na kuhakikisha maelezo yanaendana na masharti ya swali na mchakato wa hoja.
Kuelewa mtaala: Hutambua dhana, darasa, kiwango cha ugumu na uhusiano wa mahitaji ya awali unaohusiana na swali, na kubaini kile kinachohitaji kujazwa kabla ya kuendelea kujifunza.
Hoja za utambuzi: Kwa kuzingatia mchakato wa mwanafunzi wa kujibu na jibu lisilo sahihi, hutambua hatua iliyokosewa, kuchanganua upotoshaji wa uelewa na maarifa yanayohitaji kuongezwa, badala ya kukisia kwa kutegemea swali pekee.
Hatua za ufundishaji: Huchagua namna inayofaa ya kujibu kulingana na kazi, ikiwamo kutoa kidokezo, kuuliza swali la kuongoza, kupitia dhana za awali, kuonyesha kosa au kutoa maelezo kamili.

Fuata akaunti ya WeChat na ujibu “开源” ili kujiunga na kundi la mawasiliano la miradi ya AI ya chanzo huria
Muundo wa data unaoendeshwa na malengo ya kazi: Data ya mafunzo ilipunguzwa kutoka takriban sampuli milioni 1.34 kwa kusafishwa, kukaguliwa kisemantiki, kutathminiwa ubora na kuchujwa kwa utofauti, na kubakiza takriban sampuli 69,000. Kila sampuli ya elimu iliainishwa kulingana na aina nne za uwezo na kupewa mojawapo ya maagizo 20 ya kazi, huku “kile ambacho sampuli inafundisha” na “jinsi modeli inavyopaswa kujibu” vikitenganishwa katika uwekaji lebo, ili modeli iweze kubadili tabia kulingana na kazi.
Ukaguzi na uandishi upya wa kisemantiki: Modeli ya lugha hutumika kukagua sampuli kwa viwango vya kazi, ikichunguza usahihi wa utatuzi, uhusiano wa mtaala, msingi wa utambuzi na ubora wa usaidizi wa kujifunza. Sampuli zisizokidhi viwango huandikwa upya katika majibu ya usimamizi na kukaguliwa tena. Pia, uwiano wa picha na maandishi katika sampuli zenye aina nyingi za data hukaguliwa, huku taarifa za leseni za chanzo zikihifadhiwa na vyanzo visivyokidhi masharti kuondolewa.
Kuondoa uchafuzi na kuunganisha muundo: Muundo wa ujumbe huunganishwa, sampuli zinazorudiwa, zenye sehemu zinazokosekana au zilizoharibika kimuundo huondolewa, na majibu ya kazi zinazoweza kuthibitishwa hukaguliwa. Data ya mafunzo na seti za tathmini huondolewa marudio ili kuzuia matokeo kupotoshwa.
Kusawazisha uwiano wa mafunzo kwa bajeti ya tokeni: Mazungumzo marefu ya ushauri yana tokeni nyingi zaidi za usimamizi kuliko majibu mafupi. Ikiwa sampuli zitachaguliwa kwa idadi, mazungumzo marefu yatakuwa na uwiano mkubwa kupita kiasi. Bajeti ya tokeni hugawanywa kwa makundi ya kazi, na vigezo vya vipimo muhimu huimarishwa wakati wa kuchagua sampuli za aina mbalimbali, ili kudhibiti kiasi halisi cha usimamizi kinachopatikana kwa kila aina ya kazi ya ufundishaji.

Njia ya kwanza: Kuendesha ndani ya kompyuta (Transformers) Sakinisha vitegemezi: tekeleza pip install -U torch torchvision transformers accelerate safetensors pillow (kwa uzani wa FP8, sakinisha pia compressed-tensors).
Pakia modeli: Tumia AutoProcessor na Qwen3_5ForConditionalGeneration.from_pretrained kupakia kitambulisho cha modeli husika, kwa mfano lhpku20010120/Omni-Edu-4B; kwa 9B/27B badilisha kitambulisho pekee.
Unda ingizo: Panga swali la mwanafunzi, jibu lake au picha katika messages kwa kutumia muundo wa chat; kwa swali lenye picha, ongeza kipengele {"type": "image"}.
Tengeneza jibu: Ita generate (ni lazima kuweka enable_thinking=False), kisha tumia batch_decode kusimbua matokeo.
Njia ya pili: Kutumia huduma (vLLM, inapendekezwa) Anzisha huduma: tekeleza vllm serve lhpku20010120/Omni-Edu-4B --max-model-len 32768 --reasoning-parser qwen3 --default-chat-template-kwargs '{"enable_thinking": false}' (kwa toleo la FP8 tumia Omni-Edu-4B-FP8; kwa kadi nyingi, rekebisha --tensor-parallel-size).
Tuma ombi: Tumia curl kufikia http://localhost:8000/v1/chat/completions na ulize kwa muundo unaooana na OpenAI.
Njia ya tatu: Kutumia kifurushi rasmi cha zana Sakinisha SDK: tekeleza pip install omniedu (kwa tathmini, sakinisha omniedu[eval]).
Anzisha mazungumzo: Baada ya OmniEdu.from_pretrained("4B", base_url=anwani_ya_huduma), tumia model.chat(text=...) kuuliza.
Kulinganisha tathmini: Tumia omniedu eval --list kutazama viwango 12 vya tathmini ya elimu na kutoa ripoti.

Kubadili tabia kwa kuendeshwa na maagizo ya kazi: Maagizo 20 ya mfumo huwezesha modeli hiyo hiyo kutofautisha majibu kulingana na kazi, kama kutatua hatua kwa hatua, kutambua makosa, kuuliza maswali ya Kisokrate na mazungumzo ya ushauri.
Data ya mafunzo yenye ubora iliyoundwa kwa uangalifu: Takriban sampuli 70,000 zilichaguliwa kutoka kwa sampuli milioni 1.34 baada ya ukaguzi wa kisemantiki, kuondoa uchafuzi na kusawazisha uwiano wa tokeni, huku “cha kujifunza” na “jinsi ya kufundisha” vikibainishwa wazi.
Utendaji wa kiwango cha SOTA: 27B ilishinda mara 51 kati ya ulinganisho 60 na modeli 5 za kisasa, zikiwamo GPT-5.4 na Claude-Opus-5, na ikaongoza katika vipimo kadhaa vya elimu.
Ongezeko kubwa la ufundishaji wa usaidizi: Katika MathTutorBench, kiwango cha ushindi wa mbinu ya usaidizi kiliongezeka kutoka 14% hadi 78.74%, jambo linalothibitisha kuwa tabia ya ufundishaji inaweza kufunzwa kwa ufanisi.
Ukubwa mbalimbali kwa mazingira tofauti: Inapatikana katika 4B, 9B na 27B, huku toleo la FP8 likipunguza ukubwa wa upakuaji kwa 37%–44%; modeli ndogo inaweza kutumika kwenye seva za kawaida za shule.

Tovuti rasmi ya mradi: https://haolpku.github.io/Omni-Edu/
Hazina ya GitHub: https://github.com/haolpku/Omni-Edu
Hazina ya modeli ya HuggingFace: https://huggingface.co/datasets/lhpku20010120/Omni-Edu
Karatas ya kiufundi ya arXiv: https://arxiv.org/pdf/2609.23088

Ushauri wa kujifunza uliobinafsishwa: Wakati mwanafunzi anatatua swali, modeli kwanza hutambua sehemu yenye kikwazo, kisha humwongoza kufikiri kwa kujitegemea kupitia vidokezo na maswali ya kufuatilia, hivyo kufaa kwa kujisomea.
Uchambuzi wa makosa: Mwalimu huingiza mchakato wa mwanafunzi wa kujibu kwenye modeli, ambayo huchanganua kiotomatiki sababu za kosa na mapengo yanayolingana ya maarifa, kisha kutoa mapendekezo ya kurekebisha, na hivyo kupunguza mzigo wa kusahihisha.
Uzalishaji wa maudhui unaoendana na mtaala: Mwalimu hutengeneza maswali ya mazoezi, kazi za viwango tofauti au nyenzo za maelezo kulingana na kiwango maalum cha mtaala na darasa, huku dhana na mahitaji ya awali vikiwekewa lebo kiotomatiki.
Msaidizi wa mwingiliano darasani (ufundishaji wa Kisokrate): Modeli huigiza msaidizi wa ufundishaji na kusukuma hoja za mwanafunzi kupitia maswali ya kuongoza, ikirekebisha mkakati wa ufundishaji kwa kutumia ushahidi na kusaidia ufundishaji wa viwango tofauti.