来源：电影胡侃 发布时间：2024-04-17 12:14

大模型正在加速与各行各业的融合，其中，在线上教育领域，大模型的加持或许可以解决批量生产题目以及优化题目质量的难点。一起来看看本文的分享。

在线上教育领域，大模型的应用场景非常丰富。这些场景在大模型加持后，可以极大提高相关工作岗位的工作效率，提升用户体验和满意度。笔者做为具有20年线上教育从业经验的产品经理，与同行简要分享，欢迎批评指正。

一、核心矛盾

做过线上教育运营的伙伴都会遇到类似的情况，尤其是在考证培训领域，与课程配套的训练题目数量不足。为课程出配套习题的工作是脑力劳动和体力劳动双密集的工作，能胜任出题这项工作任务的人员几乎都是老师或专业人员，对行业知识储备要求非常高，并且对出题技巧也有相当高的要求，所以在项目运营费用上，生产题目的费用在整体项目费用中占比相对较高。

另一方面，在现阶段商业环境和网络环境下，优质原创题目被友商参考的成本极低。因此产生核心矛盾是，学员对优质题目需求日益增加，而行业从业者生产题目动力不足。

充分利用大模型的学习、推理、自然语言处理等能力，可以解决以上矛盾。

二、先做个试验

我们先做一个实验，如下是3个初级会计职称考试的题目：

我们将这3个题目做为学习内容，让大模型工具学习，并给出复制相似题目的指令，如下图：

大模型工具回答的结果相当的惊艳，结果如下：

从这个实验可以看出，在笔者未提供其他学习资料（例如课程讲义、相关法规、会计准则等）的情况下当今国内大模型（实验中应用的大模型为国内着名厂商并且有云API可用）完全可以胜任该工作，并且质量优良。

三、大模型生产题目产品简述

回到我们讨论的出题场景，作为产品经理，我们可以设计这样一个产品，解决批量生产题目以及优化题目质量的产品，思路如下：

1）利用开源项目自建私有化大语言模型或者使用云服务的AI能力，使用课程相关的学习资料、讲义、法规、题目等数据对大模型进行持续学习和训练。由于讲义等学习资料都是随着课程进展制作和上传，因此大模型的学习可以与课程管理系统进行联动，每当上传讲义的时，同时都发送给大模型进行同步学习。

2）利用现有题库中的习题作为模版和校验依据，设计一系列提示词，由大模型批量生产题目。

场景有两种，第一种是批量生产入库，由专业老师进行审核后投入生产使用。第二种是在特定产品场景下实时生成题目，例如在听课过程中的实时效果检测，两种场景都可以在产品中应用。

上述实验中使用的方式是相似复制模式，除此之外，利用大模型的特性，还有多中生产题目的模式可供尝试。通过大模型的能力，可以生产足够数量的题目供客户在不同场景下使用。设计大模型生产题目的指令需要进行重点研发，才能控制AI生成符合知识范围、题目要求、考察难度的题目。

3）同步开展AI题目的质量检测。由于大模型训练、微调等因素，AI生产的瑕疵题目用于生产将会对用户体验产生伤害， 因此需要设计完整的质量检测体系。

例如，AI生产的题目可以通过另外一个模型进行校验；用于重要场景（例如模拟考试）的题目需要经过人工审核等等。

设立后置检测环节，通过用户对题目的解答正确率分布，判断题目是否合理，是否超出范围。

四、混合使用AI题目和传统题目的策略

如何平衡AI生成题目的创新性与传统题目的稳定性，以下一些策略，可以帮助实现这种平衡：

1. 混合型题目生成

在生成题目时，可以采用一种混合型方法，即结合传统题目的稳定性和AI生成题目的创新性。例如，可以设计一部分题目基于传统、经过验证的题型和知识点，而另一部分题目则由AI生成，以引入新的视角和创新元素。

2. AI生成题目的初步筛选

在AI生成题目后，可以通过算法对题目进行初步筛选，排除那些可能偏离教授教养目标或不符合教育标准的题目。这样可以确保题目的稳定性，同时留存具有创新性的题目。

3. 人工审核与反馈

AI生成的题目应经过专业人员的审核，以确保其符合教育标准和考试要求。同时，可以通过收集用户反馈，了解哪些题目更具创新性且受到学生欢迎，哪些题目需要改进或调整。

4. 迭代优化

AI模型可以通过持续学习和迭代优化来提高其生成题目的质量。通过分析学生解题的数据和反馈，模型可以逐渐调整，以生成更加符合教授教养目标和学生需求的题目。

5. 创新性题目的分类和标签

为AI生成的题目设置不同的分类和标签，如“创新性”、“传统性”等，这样教师和学生可以根据需要选择适合的题目。同时，这也有助于追踪和评估创新性题目的实际效果。

6. 动态平衡机制

建立一个动态平衡机制，根据学生的反馈和学习成果，调整创新性题目与传统题目的比例。例如，如果数据显示学生对某些创新性题目的掌握程度较高，可以适当增加这类题目的比例。

7. 教学实验和研究

通过教学实验和研究来评估AI生成题目的创新性和稳定性。这可以帮助教育者更好地理解AI生成题目的实际效果，并据此调整教学策略和题目生成的方法。

五、后记

线上教育行业，存在大量类似“出题”这种体力劳动和脑力劳动双密集的场景，也恰恰是大模型擅长的领域，充分利用大模型的AI能力，可以极大提高行业生产力，从而提高教学效果和学生的学习体验。

当然大模型应用也给产品经理带来了全新的跳战，产品经理需要学习大模型的技术原理，充分了解大模型的能力，才能更好地设计出有大模型加持的产品。

本文由 @李雨田 原创发布于人人都是产品经理。未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

大模型正在加速与各行各业的融合，其中，在线上教育领域，大模型的加持或许可以解决批量生产题目以及优化题目质量的难点。一起来看看本文的分享。

在线上教育领域，大模型的应用场景非常丰富。这些场景在大模型加持后，可以极大提高相关工作岗位的工作效率，提升用户体验和满意度。笔者做为具有20年线上教育从业经验的产品经理，与同行简要分享，欢迎批评指正。

一、核心矛盾

做过线上教育运营的伙伴都会遇到类似的情况，尤其是在考证培训领域，与课程配套的训练题目数量不足。为课程出配套习题的工作是脑力劳动和体力劳动双密集的工作，能胜任出题这项工作任务的人员几乎都是老师或专业人员，对行业知识储备要求非常高，并且对出题技巧也有相当高的要求，所以在项目运营费用上，生产题目的费用在整体项目费用中占比相对较高。

另一方面，在现阶段商业环境和网络环境下，优质原创题目被友商参考的成本极低。因此产生核心矛盾是，学员对优质题目需求日益增加，而行业从业者生产题目动力不足。

充分利用大模型的学习、推理、自然语言处理等能力，可以解决以上矛盾。

二、先做个试验

我们先做一个实验，如下是3个初级会计职称考试的题目：