自研教育垂直大模型

全系自研的双模型底座

麦盟依托全系自研的 「课堂文本大模型 + 多模态大模型」 技术底座，以「VibeEDU」智能引擎为核心，能力覆盖「课堂分析」与「教师能力画像」两大场景，实现「一课一评价、一师一画像」。平台沉淀上千万小时课堂数据，受益学生超 6000 万人。

关键技术指标

课堂场景里，通用模型最容易出错的是专业表达：数学公式、古文断句、师生角色区分。以下是麦盟模型与通用模型的对比：

指标	麦盟	通用模型
语音转文字错误率（CER）	低至 3.2%	5%～8%
角色分离准确率	95%	—
数学表达式准确率	99.5%	82%
古文课堂断句准确率	98%	70%
算法识别准确率	98% 以上	—

为什么需要教育垂直模型

课堂语音不是普通对话

一节课里有教师讲授、学生回答、齐读、讨论，还有板书公式和古文朗读。识别错一个公式、断错一句古文，后面的提问分析和目标达成判断都会跟着偏。角色分离准确率决定了系统能不能分清「谁在说话」，这是分析师生互动结构的前提。

评价框架来自教研实践

评价体系源于中国教育科学研究院课题、各学科最新新课标与国内外经典课堂观察理论，融合 LICC 范式、CFS 量规及布鲁姆、弗兰德斯、DOK 等模型，并联合北师大、首师大专家共建。

麦盟艺行的评价体系，融合了经典教育评价理论，并在与中国教科院、北师大、首师大等专业机构的项目合作中不断打磨。

产学研合作

公司与北京航空航天大学共建「AI + 课堂教学实训与评估中心」（全国大学生职业发展教育研发基地）。