Ertas 助力教育

在课程和学生互动数据上微调和部署 AI 模型，全部在机构自有基础设施内运行，保护学生记录隐私并符合 FERPA 要求。

The Challenge

从 K-12 学区到研究型大学，各级教育机构都面临着大规模个性化学习的压力。自适应辅导、自动评分、课程推荐和内容生成都受益于 AI，但模型需要理解机构特定的课程体系、教学方法和评估标准。通用语言模型产生听起来合理但往往不正确的解释，与年级水平预期不一致，并且缺乏对特定课程大纲或机构学习成果的了解。

学生数据隐私增加了巨大的约束。FERPA 对教育记录的处理方式施加了严格的要求，家长、学生和教职人员对将学生互动数据发送到第三方云 AI 提供商越来越持怀疑态度。许多学区已经完全禁止了对外传输学生数据的商业 AI 工具。希望使用 AI 进行评分辅助或辅导的机构必须找到一种方式，在自有系统内保留学生数据的同时仍能享受现代语言模型的好处。

The Solution

Ertas 为教育机构提供完整的流水线，用于构建完全运行在自有基础设施上的课程感知 AI 模型。通过 Ertas Studio，教学设计师和教育技术团队可以在机构特定内容上微调基础模型——课程材料、历年考题、评分标准和脱敏的学生互动日志——使用 LoRA 适配器进行高效训练。生成的模型以现成模型无法比拟的方式理解机构的术语、评估标准和教学风格。

部署在本地或机构的私有云中进行。Ertas Cloud 提供与现有 LMS 平台集成的私有推理端点，Ertas Vault 确保所有训练数据和学生互动日志经过加密、访问控制，并仅在机构政策要求的期限内保留。教职人员和管理人员获得 AI 驱动的工具——自适应练习题生成器、自动初次评分和个性化学习建议——而无需将学生记录暴露给外部服务。

Key Features

Studio

课程感知微调

使用 Studio 的可视化画布，在课程内容、评估标准、问答对和教学指南的 JSONL 数据集上微调模型。LoRA 适配器让您无需全面重训成本即可创建学科特定模型——一个用于初级生物学，另一个用于 AP 微积分。

Hub

教育模型库

在 Hub 上浏览社区贡献的教育基础模型和适配器——包括在开放教材语料库、科学推理数据集和多语言教育内容上预训练的模型——加速您机构的微调工作。

Cloud

LMS 集成端点

将微调后的模型作为私有 Cloud 端点部署，直接与 Canvas、Moodle、Blackboard 或自定义 LMS 平台集成。端点在您机构的网络内运行，保持所有学生互动数据在本地且可供审计。

Vault

符合 FERPA 的数据保护

Vault 在静态和传输中加密所有训练数据和推理日志，为教职人员、员工和管理人员强制执行基于角色的访问控制，并提供与 FERPA 和机构数据治理要求一致的可配置保留策略。

Example Workflow

一所大型大学的在线学习团队希望为其每学期招收 2,000 名学生的计算机科学导论课程提供自适应辅导。团队从课程论坛导出 15,000 条脱敏的学生问答互动，连同完整的课程教材和作业评分标准，作为 JSONL 数据集上传到 Ertas Vault。在 Ertas Studio 中，他们从 Hub 选择 Phi-3 基础模型，并使用 LoRA 适配器针对苏格拉底式辅导进行微调——训练模型通过提问引导学生找到答案，而非直接提供解决方案。经过两小时的训练，模型通过 Ertas Cloud 作为私有端点部署在大学数据中心内，并连接到课程的 Moodle 实例。学生通过熟悉的 LMS 界面与 AI 辅导员互动，获得与课程特定课程体系和评分标准一致的个性化提示和解释。所有互动数据保留在大学基础设施内，教学团队可以通过 Vault 的审计仪表板查看汇总使用分析而不暴露个别学生记录。