CogEvol présente une famille de modèles conçus pour convertir des descriptifs de cours en diapositives JSON structurées ou en pages HTML interactives en un seul passage, remplaçant l'infrastructure multi-tours par agents. Le système utilise un pipeline de données ancré dans la production et des mécanismes de récompense hybrides pour garantir la fiabilité pendant l'entraînement.
- CogEvol termine la génération de diapositives avec une latence médiane de 17 secondes et la génération de pages interactives en 59 secondes sur 220k requêtes.
- CogEvol-27B atteint des scores de 83,7 pour la qualité des diapositives et de 63,7 sur un benchmark HTML interactif de 500 cas, en utilisant 26,9 fois moins de paramètres que les modèles de codage phares.
- CogEvol-4B est publié ouvertement sous licence Apache 2.0, tandis que CogEvol-27B gère le trafic de production en direct en collaboration avec l'équipe OpenMAIC.
- L'édition du squelette réduit les coûts de génération de pages interactives d'environ 76 %, et la pile fonctionne sur des accélérateurs Ascend nationaux à parité avec les GPU A800.
Cette approche abaisse le coût unitaire de l'éducation native IA à grande échelle en permettant une génération efficace et fiable d'artefacts sur du matériel accessible.