Higher Education Category Submission

963 – “智教同伴”——基于大模型与多模态交互的教育数字人系统

本项目聚焦教育场景中教学负担重、反馈滞后、资源不均等问题，构建基于大模型与多模态交互的教育数字人系统“智教同伴”。系统融合LoRA、Prompt Tuning、RAG、MCP等前沿技术，实现语音问答、图文联动、错题解析与个性化学习规划。
数字人具备语义理解与实时交互能力，支持因材施教、作业讲评与知识追踪。通过轻量化模型压缩与终端适配，系统可部署于教室、家庭等多类设备，保障运行效率。
项目具备高复制性与推广潜力，适用于课堂教学、自主学习与课后辅导等场景，助力教育智能化转型，提升学习效果与教学效率。

当前教育面临教师负担重、个性化教学难、资源分布不均等问题，学生难以及时获得高质量反馈。我们受数字人在文旅场景中出色的交互与知识表达能力启发，提出将其应用于教育领域，作为智能教辅载体。
项目基于一个核心假设：具备教育场景适配的大模型与多模态数字人，能够承担部分重复性教学任务，如讲解错题、制定学习计划等，既减轻教师压力，又提升学生体验。
我们相信该项目可行，原因在于：大模型对教材语义理解能力强；RAG与MCP等技术支持个性化学习路径生成；轻量化模型部署可适配多种教学设备；数据反馈机制可驱动持续优化。项目具备技术可行性、场景契合度与落地推广价值。

本项目将利用LoRA、Prompt Tuning对大模型进行教育场景微调，结合RAG技术构建本地知识检索系统，实现教材同步讲解、作业解析与个性化辅导。MCP机制用于保持学习上下文连续性，多模态交互技术支持语音、图像与文本输入，提升交互自然度。
系统部署将采用模型蒸馏与边缘推理方案，降低硬件门槛，适配校园终端与移动设备。开发资源需求包括开源大模型框架、GPU服务器、标准化教材数据库及小规模学生用户测试群体。
核心功能包括：错题讲解、学习路径推荐、作业批改、语音问答与智能追问。项目将通过精准响应率、答题时效、学习完成度与用户满意度等指标进行评估。用户体验方面，重点优化语音交互流畅度、回答准确性与界面简洁性，确保产品易用、高效、可信。

无

本项目创新性地将大模型与数字人技术深度融合，首次构建具备教育语境理解、多模态感知与个性化反馈能力的智能教辅系统。区别于传统智能答疑或语音助手，项目引入MCP机制保持学习上下文连续性，结合RAG实现知识动态调用，形成“能讲、会答、可追踪”的学习闭环。
在交互设计上，项目通过语音、图像、文本等多模态融合，实现自然语言对话、拍照作业解析与语境识别，提升沉浸感与学习黏性。系统支持“千人千面”规划，动态调整任务与讲解方式，真正落地“因材施教”。
此外，项目通过模型蒸馏实现轻量部署，支持校园与家庭多场景使用，突破算力瓶颈，具备强泛化性。整体方案集算法、产品与教学理念创新于一体，有效回应教育公平、效率与体验三重挑战。

本项目采用模块化架构与微服务部署方式，支持按需扩展与功能灵活组合。通过模型蒸馏与边缘推理技术，实现低算力适配，支持校园终端、移动设备等多平台运行，具备良好扩展性。系统可通过云端与本地协同部署，平衡计算负载，避免性能瓶颈。
为保障环境可持续性，项目优化模型结构与推理效率，减少能耗与资源占用。内容更新与模型迭代可通过增量训练与在线学习方式实现，降低重复开发成本。
用户粘性方面，系统通过MCP机制构建学习记忆链，实现个性化跟进与长期陪伴，提升使用频率与持续性。平台还可动态接入新课标与题库，适配用户认知变化与教学需求升级，确保教育内容与服务能力不断演进，长期保持生命力与适用性。

本项目聚焦教育公平与普惠，致力于缓解教育资源不均、师资紧张与个性化教学缺失等社会问题。通过数字人系统，边远地区学生可获得与城市同等水平的智能教辅服务，推动教育机会平等。系统支持多语言、方言识别与特需教育适配，提升弱势群体的可达性与参与度，体现包容性设计理念。
项目对社会影响的衡量指标包括：低资源地区用户覆盖率、学习效果提升率、用户满意度、访问活跃度与教学反馈周期缩短等。平台还将设立社区反馈通道，收集用户需求变化，定期优化服务机制，确保技术真正服务于多样化教育群体，持续响应社会发展需求。

Personal Information Collection Statement (PICS):
1. The personal data collected in this form will be used for activity-organizing, record keeping and reporting only. The collected personal data will be purged within 6 years after the event.
2. Please note that it is obligatory to provide the personal data required.
3. Your personal data collected will be kept by the LTTC and will not be transferred to outside parties.
4. You have the right to request access to and correction of information held by us about you. If you wish to access or correct your personal data, please contact our staff at lttc@eduhk.hk.
5. The University’s Privacy Policy Statement can be access at https://www.eduhk.hk/en/privacy-policy.

• I have read and agree to the competition rules and privacy policy.