要約
K-12の学生向けの教育資料は、テキストや画像などの複数のモダリティで構成されており、これらの資料の微妙な情報を完全に理解するためのモデルの課題を提起します。
この論文では、知識の推奨、知識の追跡、時間コスト予測、ユーザーの回答予測など、さまざまな教育アプリケーション向けに設計された統一言語とビジョンアシスタントUneieduをすべて単一のモデル内に提案します。
従来のタスク固有のモデルとは異なり、Uneieduは、強力な一般化機能を維持しながら、複数の教育タスクに及ぶ統一されたソリューションを提供します。
その適応性により、多様な学習環境での実際の展開に適しています。
さらに、Unieduは、完全に微調整されたモデルと比較して最小限の劣化で競争力のあるパフォーマンスを維持しながら、効率の約300%の増加を大幅に削減することにより、業界規模の展開に最適化されています。
この作業は、教育の進化する要求に合わせて調整された汎用性の高いAIシステムを作成するための重要なステップを表しています。
要約(オリジナル)
Education materials for K-12 students often consist of multiple modalities, such as text and images, posing challenges for models to fully understand nuanced information in these materials. In this paper, we propose a unified language and vision assistant UniEDU designed for various educational applications, including knowledge recommendation, knowledge tracing, time cost prediction, and user answer prediction, all within a single model. Unlike conventional task-specific models, UniEDU offers a unified solution that excels across multiple educational tasks while maintaining strong generalization capabilities. Its adaptability makes it well-suited for real-world deployment in diverse learning environments. Furthermore, UniEDU is optimized for industry-scale deployment by significantly reducing computational overhead-achieving approximately a 300\% increase in efficiency-while maintaining competitive performance with minimal degradation compared to fully fine-tuned models. This work represents a significant step toward creating versatile AI systems tailored to the evolving demands of education.
arxiv情報
著者 | Zhendong Chu,Jian Xie,Shen Wang,Zichao Wang,Qingsong Wen |
発行日 | 2025-03-26 16:33:04+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google