大模型智能助教实验：课程问答的检索增强方案

近期，教育AI实验室围绕大语言模型在职业培训场景中的应用开展实验性探索，构建了基于检索增强生成（RAG）的智能助教原型，目标是让模型回答严格锚定课程教材与讲义内容，降低幻觉风险。

实验以某职业技能课程约400页教材与课件构建知识库，经切分、向量化后接入开源大模型，并设计引用溯源机制，每条回答附带对应章节出处，便于教师核查与学员延伸阅读。阶段性内部评测结果如下：
· 在300道课程相关问题测试中，回答事实准确率约89%，带引用回答的可信度评分明显高于无引用基线；
· 对教材未覆盖的拓展性问题，模型拒答率约15%，误答率控制在3%以内。

下一步，团队计划引入学员真实提问日志开展在线测试，重点优化多轮对话中的上下文保持与错题追问场景，并探索知识点掌握度诊断与练习推荐的联动，逐步沉淀为可落地的教学辅助工具。