牵头单位：上海库帕思科技有限公司

参与单位：上海人工智能创新中心、北京慕华信息科技有限公司、上海南湖职业技术学院

获得奖项：国家数据要素x大赛开放性创新赛道 三等奖       

        我国教育AI 产业面临方法论缺失、主力军缺位、技术创新滞后、要素割裂等问题，丰富的应用场景数据难以形成协同生态，制约数据价值释放。上海库帕思科技有限公司提出“三个重构”，聚焦教育垂类大模型全流程数据供给需求，按“2+2+1”模式（即教育行业通识数据集，包括文本数据集和音视频数据集；教育行业专业专识数据集，包括思维链强推理数据集、监督微调数据集；教育大模型评测数据集）构建高质量数据集，为教育大模型训练、微调、评测提供支撑。

        一是汇聚教育行业多模态多层次数据，构建全阶段数据集。汇聚教育行业多模态、多语言、多层次数据，包括专业书籍、专业教材、在线课程、教学案例、教学过程、教学行为等各类知识与数据。分类构建数据集，覆盖预训练阶段的大规模文本与视频数据，后训练阶段的高质量思维链与精调数据，以及应用阶段的实用型测评数据。

        二是全流程保障教育大模型数据供给，以多元运营开放赋能教育生态。聚焦教育大模型“事前、事中、事后”全流程数据供给需求，综合采用公开数据再生产、合作开发、众包采集等方式获取数据。建立分级分类运营可持续发展模式和“3+X”业务矩阵（即语料产品和服务、数据基础设施服务、咨询服务、生态链接服务），兼顾商业运营和开源开放，开放数据公共服务平台，开源超100 万条数据，累计下载次数超150 万次。

        三是多主体赋能全领域数据应用，海量供给支撑大模型研发落地。数据应用覆盖多类主体，基模公司利用多模态数据集进行预训练；高校院所利用微调数据集开展场景适配、特色数据集构建和人才培养；智能体开发者利用开源数据进行二次开发。数据集规模突破7029TB，涵盖教育、医疗、工业等全领域1106 个子项数据集，为100 余家企业提供数据服务，支持不少于10 个大模型研发。

        四是营收增效驱动教育AI 发展，以体系创新填补行业方法空白。在经济效益方面，产生1.2 亿元直接营业收入，推动教育AI产业降本增效；在社会价值方面，培养AI 人才，促进教育数字化转型，提升教育服务质量；在产业创新方面，构建“4+1+X”高质量数据体系（即基石数据、SFT 数据、CoT 数据、评测数据、知识图谱、专业数据集），构建“Data4AI”技术体系，为行业提供可复制范式。

附件：