
台灣繁中教育LLM:全年齡層教材整合與虛擬老師系統
提案人 Brian
利用高品質開源教材建立大型語言模型,打造智能學習助手,提供老師批改作業與出題支援,並給予學生即時問答的虛擬老師,以提高教學效率和學習成效。
02. 提案代表人
Brian
03. 提案代表人的 g0v Slack 帳號名稱與成員識別碼
Brian (U06QAD6LZMF)
06. 專案於 g0v slack 的頻道名稱
#aiedInnovators
07. 提案團隊簡介及與主題的相關性
專案召集人暨 AI Researcher / Engineer
- 姓名:Brian
- 背景:統計學博士,專業於機器學習和大數據分析。
- 相關經驗:在教育領域具有豐富的數據分析經驗,曾參與開發多個學習分析工具。
Project Manageer
- 姓名:林嘉文
- 背景:具有電腦科學碩士學位,專長於軟體開發和專案管理
- 相關經驗:曾負責多個教育科技項目,擅長團隊領導和專案協調。
Data Engineer
- 姓名:王明輝
- 背景:電子工程背景,專長於人工智能和自然語言處理技術。
- 相關經驗:在AI教育應用開發方面有深入研究,曾負責設計和實施多個語言處理系統。
教育顧問
- 姓名:蔡淑芬
- 背景:教育學博士,擁有多年教學和課程設計經驗。
- 相關經驗:專注於教育創新和技術整合,曾參與多個線上教學平台的策劃和執行。
09. 專案符合本次計畫哪些主題:(請勾選至少一項)
繁體中文文本採集,用於語言模型訓練資料
Benchmark 台灣觀點的評測
繁體中文特用型語言模型,以法律、醫療、教育為主但不限
Benchmark 台灣觀點的評測
繁體中文特用型語言模型,以法律、醫療、教育為主但不限
10. 參與梯次
第二梯(2024/02/21 - 2024/03/17)
12. 專案摘要(300字以內)
本專案旨在建立一套大型語言模型,整合各年齡層的高品質教材,創建一個智能學習助手。這將作為教師的輔助工具,用於批改作業和出題,並為學生提供一個虛擬老師,透過對話介面進行即時互動學習。這項計畫將重點放在建立和維護一個高品質的開源教材資料庫,以支援模型的訓練和優化,確保其透明度、重用性和長期影響力。
13. 專案動機
面對教育資源分配不均和教師工作量大的問題,本專案意在利用人工智能技術,緩解老師的壓力,並提供學生個性化學習支持。透過高品質的教材和大型語言模型,能夠促進教學方法的創新,並增強學生的學習效率。
14. 專案設計概念以及與主題的相符性
本專案將開發一套智能學習系統,包含兩大部分:教師助理和學生虛擬老師。這契合了高度透明度、重用性與長期影響的要求,透過開源資料和模型的持續更新,保證專案的活力和適應性。預計功能包括作業批改、智能出題、即時答疑等。
15. 專案技術可行性
將採用自然語言處理(NLP)技術,如GPT-4或其開源對等物,訓練一個針對教育內容的大型語言模型。考慮到AI技術的進步和開源社區的資源,此計劃具有高度的技術可行性。
16. 專案可應用之情境說明
教師可利用系統自動批改學生作業,節省時間;學生可透過對話介面與虛擬老師進行互動學習,即時解答學習中的疑問,促進自我學習和複習。
17. 專案預期效益與社會貢獻
此專案預計將提高教育質量,促進教育公平,並減少對補習的依賴。長期來看,將促進教育資源的有效利用,並為台灣培養更多人才。
18. 專案現況說明
目前處於構思階段,預計進行市場調研和需求分析,收集開源教材作為訓練模型的基礎。
19. 團隊過去是否有做過相關主題的計畫?
團隊成員過去曾為新創、金融集團、醫院及研究機構開發過 RAG 應用及 LLM 微調。
- 2023 年為國內某研究機構內部開發 醫療照護問答暨尿液檢測解讀RAG平台
- 2024 年為國內某新創開發命理問答大型語言模型
- 2024 年為國內某新創開發自動化爬網機器人
已開源過的微調模型:
網頁展示:
- RAG 平台介紹與 demo: https://laplace-ai.com/knowagent
20. 開源內容及其授權方式
所有整理的教材和開發的模型將以 MIT 或 Apache 2.0 授權開源,鼓勵社區共享和協作。
21. 專案期中與期末規劃
- 期中(60天):完成教材收集和初步模型訓練,進行初步功能測試。
- 期末(120天):完成系統開發,進行全面測試和優化,發布開源代碼和文檔。
22. 專案預算規劃
- 教材資料收集與整理:10萬
- 模型訓練與開發:30萬
- 測試與優化:5萬
- 管理與宣傳:5萬
23. 專案於計畫結束後之長期規劃
計畫結束後,將持續收集反饋,進行模型和系統的迭代升級,並與教育機構合作推廣使用,以確保長期影響和可持續發展。