元宝-面向复杂推理的多模态教育智能体研究

本课题聚焦面向复杂推理的多模态教育智能体，研究大模型在教育场景中的任务理解、推理规划、多模态交互、工具调用与自我纠错能力，推动教育智能体从“回答问题”升级为能够自主完成长链条复杂任务的智能系统。 面向数学、物理等典型场景，重点开展多模态推理数据构建、图文联合推理、Agent / Tool Use、视觉反馈与强化学习等研究，探索“边作图、边观察、边推理、边修正”的多模态推理范式，使模型能够将图形作为可读写的视觉工作空间，在几何证明、物理受力分析、函数图像等任务中主动构建和更新中间视觉状态，并利用视觉反馈推进后续推理。相关研究可应用于拍照解题、AI Tutor、解题过程演示、个性化辅导等教育产品场景。

1. 01

   计算机、人工智能、计算机视觉、自然语言处理或相关专业硕士及以上学历，博士优先；具备多模态大模型、数学推理、视觉空间推理或 Agent 等方向研究背景；

2. 02

   精通 PyTorch 等深度学习框架，熟悉主流大模型训练、微调与推理方法，具备 SFT、强化学习、Agent / Tool Use 等实操经验；

3. 03

   具备较强的科研与实验能力，能够围绕复杂推理中的任务规划、多模态状态建模、工具调用、视觉反馈和自我纠错等问题开展独立研究；有教育场景研究与应用经验者优先。