我院举办“教育中的小语言模型”专题讲座

4月22日下午，我院成功举办“教育中的小语言模型”专题讲座。本场讲座特邀巴西南大河州联邦大学（UFRGS）教育学院教授、国际知名人工智能与教育融合领域专家Eliseo Reategui教授担任主讲嘉宾。讲座围绕小语言模型（Small Language Models, SLMs）的技术特性、教育应用潜力及其在教学评估、学习分析等场景中的创新实践展开。全院感兴趣师生齐聚报告厅，共同探讨轻量化AI技术赋能教育的新路径，现场气氛热烈，互动深入。

讲座伊始，Reategui教授从人工智能的发展历程切入，系统梳理了大语言模型（LLMs）与小语言模型（SLMs）之间的技术差异。他指出，尽管LLMs在文本生成、推理问答等任务中表现出色，但其参数规模庞大、算力需求高、隐私风险突出，限制了其在教育场景中的广泛应用。相比之下，SLMs凭借低推理延迟、低成本、易于定制、适配边缘设备等优势，正成为教育领域更具可持续性的AI解决方案。

在介绍小语言模型的教育应用场景时，Reategui教授结合具体案例，重点阐述了SLMs在写作评估、任务分解、学习反馈、内容生成等方面的实际成效。他援引最新研究指出，结合检索增强生成（Retrieval-Augmented Generation, RAG）技术的SLMs，在部分任务上已能达到甚至超越GPT-3.5等大模型的水平。同时，他也客观分析了当前SLMs面临的内存限制、响应时长、语种适应性等技术瓶颈。

讲座后半段，参会师生围绕SLMs在语言教学、评估体系建设及教育智能体搭建等议题，与Reategui教授展开了深入交流。Reategui教授结合自身在高等教育领域的实践经验，提出了可以采用混合架构思路，以实现效率与质量的平衡。他还特别强调，教育领域应减少对大模型的过度依赖，构建基于SLMs的成本可控、可定制、可推广的智慧教育系统。

讲座尾声，院长杨晓峰作总结发言。他指出，小语言模型为语言教学提供了低门槛、高效率的技术路径，鼓励教师积极探索SLMs在智能批改、个性化学习、教学辅助等场景中的应用，推动教学理念与方法的创新。他对Reategui教授的精彩分享表示衷心感谢。

此次专题讲座的成功举办，为全院教师搭建了前瞻性的学术交流平台，进一步夯实了学院在AI赋能语言教育领域的理论基础，为深化教学改革、优化人才培养体系、提升教师技术素养提供了有力支撑。未来，学院将持续关注语言模型技术前沿，引导教师主动拥抱技术变革，稳步推进教育数智化转型，为培养具备语言功底、技术素养与实践创新能力的高素质复合型人才贡献力量。