教育大模型 总体参考框架

报告概述

本报告由世界数字教育联盟标准化委员会研制，是教育大模型领域的总体框架性标准。报告确立了教育大模型的设计原则，包括体系层次性、开放架构、可扩展性、安全合规及教育行业特色。给出了自底向上的五层参考框架：基础层、数据层、模型层、接口层和应用层，并将安全伦理隐私与治理作为贯穿全过程的两个维度。报告适用于联盟内教育大模型的设计、开发、部署和应用，旨在促进教育大模型健康有序发展，加快教育数字化转型。

报告的核心结论

报告回答的关键问题

完整报告包含什么

• 基础层的详细技术要求：包括算力资源（CPU、GPU、FPGA、NPU、TPU等设备及分布式训练支持）、存储资源（数据存储、模型存储及质量要求）、网络资源（高速通信协议、负载均衡、可靠性组网）、传感资源（各类传感器、穿戴设备、视觉音频采集设备）等。
• 数据层的完整划分：通用数据集涵盖开源数据、搜索数据、Web数据、文献数据；教育专属数据集详细分为人员类、资源类、环境类、管理类和多模态教育数据，并对每类数据的子类（如教师数据、学生数据、教材数据等）及其用途进行了说明。
• 模型层的三大子层及功能清单：基础模型包括大语言模型（LLM）、视觉大模型（LVM）、语音大模型（ALLM）、多模态大模型（MLM），并列出每类模型的具体功能；领域模型列出9项核心功能；场景模型按教学、学习、测评、研究、管理五类列出具体应用场景。
• 接口层的四种接口设计规范：通用数据接口（数据格式、预处理、存储传输、安全）、应用软件接口（NLP、图像、语音处理等核心功能调用）、智能体接口（任务分发、知识检索、交互生成）、智能终端接口（多模态交互、端云协同、实时交互）。
• 应用层五大场景的详细应用列表：教学场景（课前、课中、课后共十余项子场景）、学习场景（集体学习与自主学习共十余项）、评估场景（命题组卷、智能考试、考后阅卷、学生/教师/学校/区域评价）、研究场景（课程研修、学科教研、科学研究）、管理场景（班级、教务、家校、教师、校园管理）。
• 安全、伦理与隐私的全面要求：安全方面覆盖网络安全、数据安全、模型安全、内容安全、安全管理；伦理与隐私涵盖数据隐私保护、算法公平性与透明性、用户权利与知情同意、技术伦理与社会影响、伦理风险与责任归属。
• 治理维度的七项要素：基础资源治理（算力、存储、网络、传感）、数据治理（质量、隐私）、模型治理（公平性、透明性、性能监控）、安全治理（数据安全、系统安全、应急响应）、伦理治理（知情同意、责任、社会影响评估）、合规治理（法律法规、标准、第三方审计）、运营治理（资源管理、版本控制、用户支持）。
• 术语定义及缩略语：对教育大模型、基础模型、教育领域大模型、教育场景大模型等核心术语进行了明确定义，并列出AI、LLM、LVM、MLM等缩略语的全称。
• 参考文献列表：引用了ISO/IEC和GB/T系列标准，包括人工智能术语、平台计算资源规范、大模型通用要求等，为标准的应用提供参考依据。