“AI對話學(xué)”基于MathGPT的解題和講題能力，由學(xué)而思研發(fā)。“AI對話學(xué)”可以通過學(xué)生與AI的對話式學(xué)習(xí)交流，細(xì)分步驟進行定位，快速分析出學(xué)生的薄弱點。

過去，AI精準(zhǔn)學(xué)的判斷方式多通過“題目”來實現(xiàn)。但如果通過常規(guī)的做題刷題情況進行學(xué)情分析，AI僅能判斷出哪道題出現(xiàn)錯誤。然而，在很多情況下，解一道題背后涉及多個不同小知識點，甚至還要綜合考慮用戶不同維度的能力水平，比如到底是計算能力薄弱還是解題邏輯的問題。因此，在上一代AI產(chǎn)品中，機器很難做到非常精準(zhǔn)的診斷。

而大模型時代的出現(xiàn)，提供了打開這個“黑匣子”的機會。這次，學(xué)而思學(xué)習(xí)機搭載的“AI對話學(xué)”就將精確定位每個用戶的問題。

學(xué)而思“AI對話學(xué)”把每一道題目拆解為多個小步驟，每一個小步驟對應(yīng)一個知識點，AI能就每一個細(xì)分步驟向用戶進行提問，在和用戶的多輪對話中診斷他的薄弱點，由此足夠準(zhǔn)確地定位到用戶真正的問題所在，再輸出有針對性的練習(xí)內(nèi)容。

除此之外，學(xué)而思學(xué)習(xí)機還可以根據(jù)歷史學(xué)習(xí)記錄進行智能分析規(guī)劃，幫用戶推薦自適應(yīng)的挑戰(zhàn)和練習(xí)。

在用戶端，“AI對話學(xué)”大大降低了孩子們的使用門檻，用最簡單的對話方式實現(xiàn)多輪互動。

中英文作文批改助手、AI講題助手等多項AI能力齊上線

除了在精準(zhǔn)學(xué)上的重要變化，在各項實際的工具型應(yīng)用上，學(xué)而思學(xué)習(xí)機也做了一輪迭代。用戶自學(xué)場景中的應(yīng)用都做了AI能力升級，包括基于大模型的講題、中英文作文批改等等。

這一輪產(chǎn)品升級后，除了提供更好的交互體驗外，更重要的是將靈活度大大提升。

以中文作文批改為例，學(xué)而思讓大模型專項學(xué)習(xí)了教研老師提煉的“字、詞、句、段、篇”五步優(yōu)化法，可以實現(xiàn)語文作文的一鍵潤色。

此外，學(xué)而思學(xué)習(xí)機還將陸續(xù)上線AI講題助手、高效作業(yè)助手、知識百科問答、對話聽寫、語音助手等多項AI能力，用戶可以體會到“一拍即講、自由問答”等輕松易用的AI交互學(xué)習(xí)方式。各項AI能力還將彼此聯(lián)動，得到整體設(shè)計和優(yōu)化。

學(xué)習(xí)場景的“好內(nèi)容+大模型”想象力有多大？

教育垂類大模型的重要價值就來源于在教育領(lǐng)域的專攻。教育是一個獨特的領(lǐng)域，其中一個很大的特點就是用戶的容錯率低、試錯成本高，又有很高的個性化需求。

所以，在調(diào)試大模型時，學(xué)而思積累20年的教研教學(xué)數(shù)據(jù)、用戶數(shù)據(jù)以及對用戶的理解，就非常重要。比如以AI講題為例，學(xué)而思團隊要基于之前積累下的、針對不同年齡段孩子的講題思路對機器進行調(diào)試，這些如果沒有足夠細(xì)致的積累很難做到。

內(nèi)容安全層面，好未來旗下學(xué)而思大模型MathGPT和學(xué)而思學(xué)習(xí)機也構(gòu)筑了全面的內(nèi)容審核防護體系。

生成式大模型實現(xiàn)的人機交互讓AIGC時代以更快的速度到來，也給了教育場景更多的可能性。學(xué)習(xí)機作為一個綜合智能硬件，可以拓展的場景非常多。

學(xué)而思自研體系和學(xué)習(xí)資源一直被認(rèn)為是學(xué)而思學(xué)習(xí)機的核心優(yōu)勢，如果同時具備“好內(nèi)容+大模型能力”，解決好自適應(yīng)學(xué)習(xí)這個終極難題，學(xué)而思學(xué)習(xí)機的想象力和延展性會非常大。

在自適應(yīng)能力和交互性大大提升后，用戶在學(xué)而思學(xué)習(xí)機上的學(xué)習(xí)效率也將大幅度提升。不過，更有想象力的或許是，學(xué)而思學(xué)習(xí)機將從之前智能終端的角色升級為真正的個人智能助手。

本文轉(zhuǎn)自速途網(wǎng)：https://www.sootoo.com/content/865683.shtml