猿辅导推出颠覆性产品小猿学练机,加速个性化学习时代到来

近期,沉默近两年的猿辅导在智能硬件领域释放动作,发布旗下首款智能硬件产品——小猿学练机。这一动作代表着,猿辅导正式入局1000亿智能硬件市场。据了解,小猿学练机面向全国中小学生,主打学练一体、以练促学,重新定义学练一体化的数字化产品体系。

在硬件方面,小猿学练机极为注重学习过程中的护眼性能、手写输入的体验、以及智能化学练的支撑。因此,小猿学练机采用10.3英寸类纸墨水屏代替彩屏,屏幕“不发光”“0蓝光”,真正保护孩子视力,拒绝“电子眼”;该屏幕还支持书写练习,它表面呈现与纸张表层类似的粗糙度,以增强书写时的摩擦力,不会打滑,高度还原纸质书写体验,让孩子的手写练习实现最佳效果。

同时,小猿学练机还根据青少年的用笔用力习惯、笔触特点,定制了一整套青少年专属的手写技术方案,配备自主研发的专用电磁笔,把传统练习无痕迁移到智能设备上来,还原孩子线下学练场景。

在教育内容方面,猿辅导积累了7亿+道全题型覆盖的题库,100万+个知识关系链路、300亿量级的学习大数据、50万+套真题数据、1.4亿+个原题及相似题精讲视频、1万+个细分知识点。同时,为了让软硬件实现高效协同,猿辅导构建了3D知识图谱,通过点线面三个维度将题目、视频、知识点等进行了拆解和链接。

值得一提的是,面向孩子核心的100+种练习场景中,小猿学练机已经实现了基本的全面数字化学习,并且能针对个人学习数据不断进化,为学生构建个人学习数据库,进行精准数据分析,归纳更多错题数据,其个性化推题系统,还能针对个人学练情况、学习数据库规划专属学习路径。同时,为了激发孩子的创造性和对新鲜事物的体验感,在细节设计上,小猿学练机搭载了万能本、益智谜题、激励勋章等功能。

从产品理念上来看,小猿学练机是猿辅导推出的全新教育硬件品类。“学+练”的“一体化”学习方式是小猿学练机的根本优势所在。为了让“学”与“练”结合得更紧密,小猿学练机内置了先进的AI智能化技术,可提供针对小初高全学科上百种题型的AI批改功能。其中,图形题批改准确率高达99.99%。其AI内核甚至能根据孩子书写特征、落笔方式等细节对模糊的字迹进行判断识别与批改,从而快速定位知识薄弱点,之后为孩子推出个性化的练习,通过举一反三、复习、薄弱点专练等,帮助孩子系统性提升能力。

此外,为实现学习场景全覆盖,小猿学练机嵌入“智慧拍”、“云文件”两大功能模块。孩子只要打开摄像头完成拍摄,就能一键收录所有的线下纸质练习,真正打通线上线下,进而实现如跟读、背诵、听写等100多种线下学习场景的完整迁移,满足孩子全场景学习需求。

如今,随着AIGC技术的落地与应用,智能教育有更大的想象空间。在王向东看来,AI在教育场景一直有落地,最早的拍照答疑,语音对话打分等等,但都是参数较少且垂直,而GPT大模型在教育运用还需要长时间探索。王向东表示:“我们坚信大模型会对整个教育产生深远影响,但不过度高估1-2年内的变化,保持高投入探索是目前策略。”

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/2036.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Maven 项目构建生命周期

Maven 项目构建生命周期 一句话: Maven 构建生命周期描述的是一次构建过程经历了多少个事件 生命周期的3 大阶段 clean 清理工作 default 核心工作,例如编译,测试,打包,部署等 site 产生报告,发布站点等 生命周期…

Elasticsearch 介绍及java集成

一、Elasticsearch 基础介绍 ElasticSearch 是分布式实时搜索、实时分析、实时存储引擎,简称(ES), 成立于2012年,是一家来自荷兰的、开源的大数据搜索、分析服务提供商,为企业提供实时搜索、数据分析服务,…

“layui助力博客管理升级!用增删改查功能打造优质博客体验“

目录 引文1.前置条件2.数据接口2.1 UserDao(CRUD)2.2 R工具类 3.HTML 结构3.1 主界面的HTML3.2 用户的查询所有界面的HTML3.3 新增修改通用的的HTML 4.JavaScript 代码4.1 用户的CRUD javaScript 代码(userManage)4.2 新增修改的javaScript代码(userEdit) 5. 运行截图总结 引文…

【Spring 】执行流程解析:了解Bean的作用域及生命周期

哈喽,哈喽,大家好~ 我是你们的老朋友:保护小周ღ 今天给大家带来的是 Spring 项目的执行流程解析 和 Bean 对象的6 种作用域以及生命周期,本文将为大家讲解,一起来看看叭~ 本期收录于博主的专栏:JavaEE_保…

latex3【排版】

多行公式排版:(gather、align、split、cases) \section{多行公式}%gather环境\begin{gather} abba \\ abcbaccbacab\end{gather}\begin{gather*} abba \\ abcbaccbacab\end{gather*}​\begin{gather} abba \\ 123 \notag …

【NLP】多头注意力概念(02)

接上文: 【NLP】多头注意力概念(01) 五、计算注意力 将 Q、K 和 V 拆分为它们的头部后,现在可以计算 Q 和 K 的缩放点积。上面的等式表明,第一步是执行张量乘法。但是,必须先转置 K。 展望未来,每个张量的seq_length形状将通过其各自的张量来识别,以确保清晰…

学习记录——SpectFormer、DilateFormer、ShadowFormer、MISSFormer

SpectFormer: Frequency and Attention is what you need in a Vision Transformer, arXiv2023 频域混合注意力SpectFormer 2023 论文:https://arxiv.org/abs/2304.06446 代码:https://badripatro.github.io/SpectFormers/ 摘要视觉变压器已经成功地应用…

网络套接字编程(三)(HTTP)

gitee仓库:https://gitee.com/WangZihao64/linux/tree/master/CalTcp 一、重谈协议 协议是一种“约定”,这种约定是双方都知道的。有了一致的约定,双方才能够正常地进行通信。协议在网络的第一篇博客中也提到过,协议是双方进行通…

python opencv 级联Haar多目标检测

一、基于OpenCV的haar分类器实现笑脸检测 1、Haar分类器介绍 🚀Haar分类器是一种基于机器学习的目标检测算法,它使用Haar特征描述图像中的目标。Haar特征是基于图像亮度的局部差异计算得出的,可以用来描述目标的边缘、角落和线条等特征。 使用…

基于PyQt5的UI界面开发——信号与槽

信号与槽的机制 PyQt5采用了一种被称为“信号与槽”机制的编程模式,用于处理对象间的通信和事件处理。在PyQt5中,信号(signal)是对象发出的特定事件,例如按钮被点击、文本被修改等。而槽(slot)…

用Maven的exec插件执行Java程序

Maven的exec插件介绍 利用maven的exec插件可以执行系统和Java程序。 官网资源 exec插件官网:https://www.mojohaus.org/exec-maven-plugin/java-mojo.html Goals exec:exec表示在一个单独的进程内执行系统和Java程序。 exec:java表示在当前的Java虚拟机内执行J…

Docker高级——网络配置

Docker网络 默认网络 安装 Docker 以后,会默认创建三种网络,可以通过 docker network ls 查看 [roottest ~]# docker network ls NETWORK ID NAME DRIVER SCOPE 6f24f7cbfa10 bridge bridge local 2dc34a1c0f04 host host…

MobPush Android For Unity

本文档以unity2020.3.41演示 集成准备 注册账号 使用MobSDK之前,需要先在MobTech官网注册开发者账号,并获取MobTech提供的AppKey和AppSecret,详情可以点击查看注册流程 下载.unitypackage包 打开 Github 下载 MobPush-For-Unity 项目&am…

C++模拟实现vector

目录 1.代码实现 2.注意事项 1.成员变量 2. 不能使用memcpy函数拷贝数据 1.用string类型测试时,要考虑到vs可能把数据存储在数组buffer里面 3.insert函数中指针的失效性 1.加引用,那么就不能传常量,比如v.begin() 3 2.加引用&#x…

【ArcGIS Pro微课1000例】0028:绘制酒店分布热力图(POI数据)

本文讲解在ArcGIS Pro中文版中,基于长沙市酒店宾馆分布矢量点数据(POI数据)绘制酒店分布热力图。 文章目录 一、加载酒店分布数据二、绘制热度图参考阅读: 【GeoDa实用技巧100例】004:绘制长沙市宾馆热度图 【ArcGIS微课1000例】0070:制作宾馆酒店分布热度热力图 一、加载…

【机器学习】基于卷积神经网络 CNN 的猫狗分类问题

文章目录 一、卷积神经网络的介绍1.1 什么是卷积神经网络1.2 重要层的说明1.3 应用领域二、 软件、环境配置2.1 安装Anaconda2.2 环境准备 三、猫狗分类示例3.1 图像数据预处理3.2 基准模型3.3 数据增强3.4 dropout层四、总结 一、卷积神经网络的介绍 1.1 什么是卷积神经网络 …

el-table找出当前单元格与对应的上下列的值

当前单元格与对应的上下列的值如果不相同就设置个红色边框 当前单元格与对应的上下列的值如果不相同就设置个红色边框 当前单元格与对应的上下列的值如果不相同就设置个红色边框 以下是示例代码,对tableData数据的name字段进行处理 如果当前name值与上一条数据的na…

mybatis作用域和生命周期解读

目录 SqlSessionFactoryBuilder SqlSessionFactory SqlSession 依赖注入框架可以创建线程安全的、基于事务的 SqlSession 和映射器,并将它们直接注入到你的 bean 中,因此可以直接忽略它们的生命周期。 SqlSessionFactoryBuilder 这个类可以被实例化…

EfficientNet论文笔记

EfficientNet论文笔记 通过NAS平衡了channel,depth,resolution,发现在相同的FLOPs下,同时增加 depth和 resolution的效果最好。 数据集效果小于resolution怎么办? EfficientNet—b0框架 表格中每个MBConv后会跟一个…

科技资讯|Apple Vision Pro新专利,关于相对惯性测量系统的校正

美国专利商标局正式授予苹果一项 Apple Vision Pro 相关专利,该专利涵盖了具有视觉校正功能的相对惯性测量系统。这样的系统用于弥补头显内的眼前庭不匹配,当 VR 头显中发生的事情与现实世界环境中发生的运动不匹配时,可能会导致恶心。 苹果…