TZSA 264-2024 教学类多层级引导大模型技术要求.docx

ICS35.240CCSL70

团 体 标 准

T/ZSA264-2024

教学类多层级引导大模型技术要求

Technicalrequirementformulti-levelguidanceoflargemodels

2024-11-15发布 2024-11-16实施

中关村标准化协会 发布

T/ZSA264-2024

T/ZSA264-2024

PAGE\*ROMAN

PAGE\*ROMANIII

目 次

前 言 II

引 言 III

范围 1

规范性引用文件 1

术语和定义 1

缩略语 2

教学类多层级引导大模型技术要求 2

准确性 2

语言理解能力 3

基础算力 3

生成能力 3

响应速度 4

安全性 4

资源公平性 4

教学类多层级引导大模型教学业务要求 4

教育资源覆盖性及有效性 5

教育适应性 5

互动教学能力 5

引导教学能力 5

直接教学能力 6

知识点抽取 6

检索增强生成 6

参考文献 7

T/ZSA264-2024

前 言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。

请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

本文件由中关村标准化协会技术委员会提出并归口。

本文件起草单位：北京一平方科技有限公司、清华大学、北京理工大学、北京石油化工学院、湖南大学、苏州大学、中国电子学会、北京昇腾创新人工智能科技中心有限公司、飞诺门阵(北京)科技有限公司、北京建筑大学、中关村标准化协会。

本文件主要起草人：刘春江、陈樟权、滕达、段浩斌、陈耀琪、陈龙、汤时欣、严子辉、刘钊、万鑫、刘艳雯、张少晨。

II

T/ZSA264-2024

T/ZSA264-2024

PAGE\*ROMAN

PAGE\*ROMANIII

引 言

本文件的发布机构提请注意，声明符合本文件时，5.1、5.2、5.3、5.4章节内容中涉及与基于大语言模型的知识引导问答方法和装置相关的专利的使用。

本文件的发布机构对于该专利的真实性、有效性和范围无任何立场。

该专利持有人已向本文件的发布机构承诺，他愿意同任何申请人在合理无歧视的条款和条件下，就专利授权许可进行谈判。该专利持有人的声明已在本文件的发布机构备案。专利权人或专利申请人同意在公平、合理、无歧视基础上，有偿许可任何组织或者个人在实施该中关村标准时实施专利。相关信息可以通过以下联系方式获得：

专利持有人姓名：北京一平方科技有限公司

地址：北京市海淀区海淀西大街48号五层431号邮箱：contact@

请注意除上述专利外，本文件的某些内容仍可能涉及专利。本文件的发布机构不承担识别专利的责

任。

T/ZSA264-2024

T/ZSA264-2024

T/ZSA264-2024

T/ZSA264-2024

PAGE

PAGE1

PAGE

PAGE2

教学类多层级引导大模型技术要求

范围

本文件规定了教学类多层级引导大模型的性能要求以及相应的业务能力要求。

本文件适用于基于人工智能与大数据技术构建的多层级引导教学大模型的开发与应用。本文件不适用于非知识实训领域多层级引导大模型以及非多层级引导机制的大模型开

发与应用。

规范性引用文件

GB/T43782-2024人工智能机器学习系统技术要求

术语和定义

下列术语和定义适用于本文件。

3.1

大语言模型largelanguagemodel（LLM）

一种基于深度学习技术的生成式人工智能算法模型，通过在大规模、多领域文本语料上进行无监督预训练的方式得到。大语言模型一般具备超大规模参数量（通常数十亿至数万亿参数），能够学习并模拟人类语言的复杂结构、语义和上下文关联，等语言理解和语言生成的能力。大语言模型不仅能够完成基础的自然语言处理任务，如文本分类、命名实体识别、情感分析等，还能在经过有微调训练后，精准执行如对话系统、文本生成、机器翻译及多模态理解等高阶语言应用，是推动人工智能领域迈向高阶智能化水平的关键技术之一。

3.2

教学类多层级引导大模型educationalmulti-Levelguidedlargemodel

教学类多层级引导大模型是一种专为教育领域设计的大语言模型，它利用大规模参数的机器学习模型来逐层的拆解知识点和提供多层次的教学支持与个性化指导，避免出现仅提供问题答案的情景。教学类多层级引导大模型能够根据不同学习者的阶段和需求调整其交互策略，通过逐步提示、反馈和建议等方式促进学习