Vom „Generieren“ zum „Ausführen“: Bildung der KI in das Zeitalter der Systemkompetenz

【Intelligente StädteMarkensäule im NetzVom 5. bis 6. Juni fand in Shanghai die Agentic AICon-Konferenz für Anwendungen und Architektur statt, die sich auf den gesamten Lebenszyklus von Agentic AI konzentriert.

Auf dem "Vertical Industry Intelligent Body Application Specialty Field" stellte Li Heng, Senior System Architect von KOTEC, in seinem Bericht vor, dass die SaaS-Software für die Erbringung dynamischer Kapazitäten auf Grundlage von Starfire Education Large-Modellen und Agent-Fähigkeiten ausgebildet wird, um den vielfältigen Bedürfnissen der Benutzer in realen Szenarien gerecht zu werden. Er erwähnte, dass Software in der Vergangenheit das Problem der "Person-Finder-Funktion" löste, während heutige Großmodelle das Problem des "Systemverständnisses der Ziele" lösten.

　　Von sagen zu tun: Die Bewertungskriterien für KI ändern sich

Seit 2025 ist Agent fast das heißeste Thema in der Künstlichen Intelligenz. Anstatt sich zu fragen, ob die KI die Frage beantworten wird, fragen sich die Leute, ob die KI die Aufgabe erledigen kann. Dies wird als eine stattfindende AI-Paradigmenwendung angesehen.

Wenn der Kernwert von generativer KI darin besteht, den nächsten Token besser vorherzusagen, besteht der Kernwert von agentischer KI darin, kontinuierlich zu handeln, um das Ziel zu erreichen. Das spiegelt sich dahinter wider, dass der Schwerpunkt der Entwicklung von KI von der einfachen Fähigkeit, Fragen zu beantworten, Text zu generieren und Code zu generieren, schrittweise zu Systemfähigkeiten wie Zielplanung, Tool-Aufruf, mehrstufige Ausführung und Ergebnislieferung wechselt.

Da sich die KI von "sagen" zu "tun" bewegt, ändern sich auch die Schlüsselfaktoren, die den Endeffekt bestimmen. Die allgemeinen Fähigkeiten von Großmodellen bleiben die Grundlage, aber die Erfüllung komplexer Aufgaben in realen Szenarien hängt eher von dem Verständnis und der Beherrschung von Branchenkenntnissen, Geschäftsprozessen, Regelsystemen und professionellen Szenarien ab.

Mit anderen Worten, im Zeitalter der Agenten kämpfen nicht nur die Fähigkeiten des Modells, sondern auch die Fähigkeiten der Industrie, die das Modell abscheidet und besitzt. Nur große Modelle, die tief in die Branchenszenarien integriert sind, können Intelligenz wirklich in Produktivität umwandeln und den Übergang von „Antworten generieren“ zur „Problemlösung“ erreichen.

Dieser Wandel beeinflusst tief die Entwicklung verschiedener Branchen, von denen Bildung einer der repräsentativsten ist. Wie Li Heng in seinem Bericht beschrieb, wird es schwierig sein, traditionelle Bildungs-SaaS-Produkte für die Bereitstellung von festen Funktionen zu erfüllen, und Agentensysteme für die Bereitstellung von dynamischen Kapazitäten werden Mainstream werden.

Der wirklich schwierige Teil der KI-Ausbildung ist die Fähigkeit des Modells, Szenario-Wahrnehmung und Absicht vorherzusagen, um Daten in Entscheidungsgrundlagen zu verwandeln, die von der KI direkt aufgerufen werden können.

Dahinter ist eine intelligente Grundlage, die wirklich „Bildung versteht“, von entscheidender Bedeutung.

　　Warum Bildung ein großes Modell braucht

Das Aufkommen von Agenten bedeutet nicht, dass ein universelles Großmodell das Bildungsproblem direkt lösen kann. Im Gegenteil, der tatsächliche Wert, den Agent in der Bildungsszene spielt, hängt stark von der Branchenkenntnis des Grundmodells und der Branchenabscheidung dahinter ab.

Die Bildungsbranche hat natürlich hohe Professionalität, hohe Ernsthaftigkeit, hohe Komplexität und andere Merkmale, die Lehrplan-Standards, Disziplinsystem, Lehrgesetze und Werteorientierung umfassen. Viele scheinbar einfache Aufgaben enthalten eine Menge verborgener Berufserfahrung.

Als Vorbereitung für den Unterricht zum Beispiel muss hinter einem Lehrplan sowohl die Kursnormen, den Inhalt des Unterrichtsmaterials, die Schülergrundlage, das Design der Aktivitäten im Klassenzimmer als auch das Programm der Übungen nach dem Unterricht berücksichtigt werden. Zum Beispiel bei der Kritik der Aufgabe konzentriert sich der Lehrer oft nicht nur auf das richtige oder falsche Ergebnis, sondern auch auf das, warum der Schüler falsch ist, was das Problem ist und wie die Nachfolgestrategie angepasst werden sollte. Die gleiche Fehlerfrage kann sich auf Kenntnisschwächen beziehen, auf Kompetenzen oder sogar auf Lerngewohnheiten.

Diese Fragen haben keine Standardantworten und erfordern kontinuierliche Analyse, Urteile und Entscheidungsfindung. Dies ist auch die reale Herausforderung, mit der große Modelle in die reale Bildungsszene eintreten.

Daher braucht die Bildungsindustrie ein großes Modell, das die Bildungsgesetze wirklich versteht, und nicht nur ein großes Modell, das sich an die Bildungswissensbank anschließt.

Nehmen wir das große Bildungsmodell Starfire zum Beispiel, dessen Kapazitätsaufbau von Anfang an sich um Bildungsszenarien konzentriert und sich in realen Lehramgebungen kontinuierlich verifiziert und iteriert.

Es kann sowohl ein tiefes Verständnis von Lehrmaterialien, Unterrichtsthemen, Prüffragen und anderen pädagogischen Inhalten haben, als auch eine Denkenkette im Einklang mit den Lehrgesetzen begründen und Inhalte generieren, die sich an die Lehrszenarien anpassen. Gleichzeitig helfen Lehrer, die Schüler zu verstehen, unterrichtliche Entscheidungsfindungen zu unterstützen und komplexere Anwendungen der pädagogischen Intelligenz zu unterstützen, indem sie emotionale Porträts, Rückverfolgung und komplexe Aufgabenplanungsfunktionen erstellen.

　　Der Wettbewerb bei der Bildung von KI liegt in der Systemfähigkeit

Nachdem Agent in einen realen Bildungsgeschäftsprozess eintritt, dreht sich der Fokus des Wettbewerbs auf die Systemkompetenzen hinter dem Modell. Wer die Bildungsszenarien besser versteht, über eine reichhaltigere Bildungspraxis verfügt und Zugang zu Daten, Ressourcen und Geschäftsprozessen hat, hat eine höhere Wahrscheinlichkeit, Intelligenz wirklich in Bildungsproduktivität umzusetzen.

Welche Themen sind für den aktuellen Lehrprozess geeignet, warum die Schüler dieselben Fehler machen, ob die Kenntnisschwäche auf fehlende Kenntnisse, fehlende Fähigkeiten oder Probleme mit Lerngewohnheiten zurückzuführen sind, und welche Lehrstrategie ist am besten für die aktuelle Klasse geeignet. .....

Hinter diesen Fragen sind nicht nur Argumentationsfähigkeiten erforderlich, sondern auch industrielle Erkenntnisse, die sich aus der langfristigen Bildungspraxis bilden, sowie prozessuelle Daten, die sich aus der langfristigen Anwendung absetzen.

Das große Bildungsmodell von Starfire wurde auf der Grundlage der massenhaften Bildungspraktik von mehr als 60.000 Schulen und über 160 Millionen Lehrern und Schülern, die CIF seit mehr als 20 Jahren in der Tiefe bedient hat, geboren.

Die langfristig angesammelten Bildungskenntnisse, das Analysesystem, das Lehrstrategiemodell, die multimodalen Lehrressourcen, die Sicherheitsführungsfähigkeit und die mehr als 60 Milliarden prozessuelle Lehrdaten, die in realen Klassenzimmern in 33 Provinzen erzeugt wurden, bilden gemeinsam den Boden für das große Wachstumsmodell der Starfire-Bildung.

Diese Daten stammen aus der realen Lehrpraktik in verschiedenen Regionen, verschiedenen Sektoren und verschiedenen Schulen im ganzen Land und enthalten sowohl die Regeln, die gemeinsam mit der Bildung sind, als auch die differenzierten Charakteristiken der Unterrichtsszenarien und der Schülerscheinlichkeiten in allen Teilen des Landes, so dass das Modell die lokalen Bildungsbedürfnisse besser verstehen und anpassen kann.

In der speziellen Prüfung des Bildungs-Großmodells, die vom Zentrum für intelligente Technologien und angewandte Ingenieurwissenschaften im Internet-Bildungswesen organisiert wurde, erhielt das Bildungs-Großmodell Starfire sechs der ersten Punkte in den sieben großen Bildungsszenarien, die eine starke Genauigkeit des Wissens und die Fähigkeit zur Anpassung der Bildungsberufe zeigen.

Im intelligenten Bildungssystem übernimmt das Starfire-Bildungsmodell eine intelligente zentrale Rolle, um Bedürfnisse zu verstehen, Aufgaben zu planen, Fähigkeiten zu rufen, Prozesse zu organisieren und Ergebnisse zu erzielen.

Wenn Lehrer eine Anforderung stellen, ruft das System das gesamte System von Bildungskompetenzen an und nicht nur Modellkompetenzen. Wenn zum Beispiel ein Lehrer die Ergebnisse eines Lerntests analysieren möchte, erstellt das System nicht nur einen Analysebericht, sondern kann auch Probleme identifizieren, Kenntnis-Karten verknüpfen, Kenntnislücken lokalisieren, Verbesserungsvorschläge basierend auf der Lehrstrategie entwickeln und gezielte Lehrprogramme entwickeln.

Von der Erkennung von Problemen bis zur Gestaltung von Aktionsvorschlägen, bauen Sie einen vollständigen geschlossenen Schleifen auf. Dies bedeutet, dass die Arbeit, die früher mehrere Systeme und Operationen erforderte, jetzt nur eine natürliche Sprachinteraktion mit dem Sternenlehrer-Superintelligenzen erfordert.

Das große Bildungsmodell von Starfire verbindet nicht mehr eine isolierte Funktion, sondern das gesamte Bildungsgeschäftssystem. Auf dieser Ebene ist das Starfire-Bildungsmodell die intelligente Grundlage der neuen Generation der intelligenten Bildung in Richtung einer Ära der Bildungsintelligentisierung.

Von der generativen KI bis zur agentischen KI bewegt sich die Bildungs-KI vom Zeitalter der Werkzeuge zum Zeitalter der Systeme. Was den Wandel in der Branche wirklich antreibt, sind die Systemkompetenzen, die sich nach der tiefen Integration von Technologie und Industriepraxis bilden.

Wenn KI anfängt, Lehre und Wachstum zu verstehen, wird der Wert, den sie bringt, von der Antwort zu realen Fragen in Bildungsszenarien.

Und das ist vielleicht die erwartetste Zukunft der KI-Bildung.