CogEvol memperkenalkan keluarga model yang dirancang untuk mengubah ringkasan kursus menjadi slide JSON terstruktur atau halaman HTML interaktif dalam satu langkah, menggantikan scaffolding agen multi-turn. Sistem ini memanfaatkan pipeline data berbasis produksi dan mekanisme reward hibrida untuk menegakkan keandalan selama pelatihan.

  • CogEvol menyelesaikan generasi slide dengan latensi median 17 detik dan generasi halaman interaktif dalam 59 detik di seluruh 220k permintaan.
  • CogEvol-27B mencapai skor 83.7 pada kualitas slide dan 63.7 pada benchmark HTML interaktif 500 kasus menggunakan 26.9x lebih sedikit parameter dibandingkan model coding andalan.
  • CogEvol-4B dirilis secara terbuka di bawah lisensi Apache 2.0, sementara CogEvol-27B melayani lalu lintas produksi langsung dalam kolaborasi dengan tim OpenMAIC.
  • Pengeditan scaffold mengurangi biaya generasi halaman interaktif sekitar 76%, dan tumpukan berjalan pada akselerator Ascend domestik setara dengan GPU A800.

Pendekatan ini menurunkan biaya per unit pendidikan berbasis AI secara skala dengan memungkinkan generasi artefak yang efisien dan andal pada perangkat keras yang terjangkau.