华为ICT大赛是华为公司打造的面向全球高校的年度ICT赛事，为高校师生提供国际化竞技和交流平台，提升学生的ICT知识水平，加强学生的实践动手能力，培养学生运用新技术、新平台的创新创造能力。大赛自2015年举办以来，影响力日益增强，不仅覆盖的参赛区域、报名人数不断增加，在中国被纳入全国普通高校大学生竞赛项目榜单；在海外被纳入UNESCO全球技能学院的关键伙伴旗舰项目。华为ICT大赛已举办八届，第八届华为ICT大赛共吸引2000多所院校、17万余名学生报名参赛。
3月30日，第九届华为ICT大赛中国总决赛颁奖典礼在南京东南大学九龙湖校区圆满落幕。此次大赛由华为与东南大学联合举办，期间同步举办ICT人才发展高峰论坛、创新赛、编程赛等系列活动和比赛。
项目简介
师说”大模型问答系统
当前，大学生面临着课程学习紧张、日常事务繁杂以及职业发展规划等多重挑战，而传统辅导难以提供即时、精准、个性化支持。“师说”大模型问答系统应运而生，整合***学长学姐成功经历和学习经验、专业学习常见问题，解答学生在专业学习、个人成长、未来规划等方面的问题，利用 AI提供个性化、全周期的学习与生活助手服务。本系统核心创新点包括可信问答、众包和发展规划指导，确保信息的可靠性和时效性，同时提供个性化、连续性的支持，提升学习效率和生活质量。“师说”系统基于华为的 ModelArts 平台和 MindSpore 深度学习框架构建，结合 GLM-4 大模型，构建了一个***、可信的学习生态系统。我们采用昇腾系列 AI 处理器和弹性云服务器 ECS，结合云数据库 GaussDB、Elasticsearch，运用 LoRA 技术微调大模型，以提升模型的准确度和效率。此外，系统还利用精心设计的 Prompt 引导模型生成符合任务需求的回答，确保输出内容的准确性和连贯性。“师说”系统为高校学生提供了更加***便捷的支持工具，也为推动AI 技术在教育领域的深入应用提供了新的视角和实践路径。“师说”系统不仅在技术上具有创新性，而且在教育领域具有广泛的应用前景，未来还有望扩展到其他专业领域，如企业内部专属智能助手等，具有巨大的社会效益和市场潜力
社会现状
1.教育部《2023年教育信息化发展报告》指出，78%的学生认为现有课程无法满足个人学习节奏，60%的教师表示缺乏精准诊断学生薄弱点的工具。
2.据统计，教师平均每周需花费7小时手动整理课件与习题，形成严重数据孤岛、重复劳动、资源碎片化等现象。
3.教师70%的时间用于课件整理与习题设计，仅30%用于创新性教学，重复性工作挤占核心教学精力。
4.某高校调研显示，83%的学生依赖微信群或校圈求助，但信息混杂、响应延迟超过24小时，且现有平台缺乏垂直领域权威性。
如何打破“一刀切”？又如何整合分散资源？如何减轻教师重复性工作，释放教学创造力？学生遇到学业/生活问题时，如何快速获取可信解答？
解决方案
构建多维智脑引擎，实现知识图谱知识点三级分层，结合教师课件自动生成详细讲解、配套习题，覆盖学习全流程。
构建多源可信问答模型，数据来源包括教务官方、师生经验与校友分享，通过动态权重赋值，优化检索优先级，确保回答可信性与时效性。
构建可信众包社区，内容经过严格审查，并对发布内容进行多方位权重动态赋值，对用户行为如赞踩比例、时间衰减等内容赋予可信度，便于搜寻。
师说”大模型设计方案
系统采用分层架构，分为前端交互层、后端处理层与数据存储层，实现“学习”与“问答”双核心功能的无缝衔接学习模块：基于知识图谱的可视化界面，支持一、二、三级结构知识点逐级展开，实现数字人语音导学、知识点补充、习题练习跳转等。
问答模块：简洁对话式界面，集成智能问答与社区互动功能，如提问、回答、点赞、经验分享等。
数据处理引擎：基于华为ModelArts平台实现多格式课件解析，通过Prompt工程提取核心知识点，自动生成概念介绍、详细讲解及配套实验习题。利用动态权重赋值机制，根据社区生态数据构建权重因子模型，动态更新数据项优先级，生成映射表以指导内容排序与推荐。
大模型引擎：以GLM-4为基座模型，结合RAG技术实时索引动态更新的知识库，通过权重排序检索可信数据，显著降低生成内容的“幻觉”现象。
数据存储层
1.学习模块：
结构化知识库：存储教师上传课件解析生成的章节知识图谱、知识点详解、匹配习题库，支持自动化更新。
用户学习数据：记录学习进度、习题完成轨迹及知识点掌握状态，为个性化推荐提供依据
2.问答模块：
社区数据库：分类存储用户提问、经验分享文本，按社区评价排序生成热度数据项。
官方资源库：通过文件接口上传的官方文档等原始数据，经结构化处理后入库，与社区数据形成互补。
动态权重映射表：实时关联数据项权重值与社区反馈，确保问答内容优先展示高价值信息。
核心技术应用
1.RAG（检索增强生成）： 使用GuassDB数据库，从知识库中***精准定位相关段落，输入大模型生成答案，减少“虚构内容”风险；支持动态更新数据源（如新政策文件），确保答案时效性。
2.Prompt工程自动化： 通过预设模板（如“提取PPT第X页知识点，生成300字讲解”），驱动大模型自动完成课件解析、知识图谱构建与习题匹配；在 ModelArts 上实现批量任务处理，效率大幅提升（对比人工标注）。
3.MindSpore框架优化： 基于MindSpore框架对GLM-4进行部署，并部署语义理解模型，支持问题与内容的双向改写，如将口语化提问转化为标准检索语句。
“师说” 大模型荣获***奖项
赛场实况
总结
1.多模态学习平台：
Web端提供知识图谱学习、智能问答、社区互动三大功能模块，覆盖学习全场景。
2.自动化工具链：
课件解析引擎：支持文档自动分割为知识点，生成结构化内容。
动态权重系统：基于用户行为（点赞、分享、提问）实时调整问答优先级，通过华为 GaussDB 实现快速响应。
微调接口：开放API供院校定制学科模型，支持Prompt模板修改。
3.技术成果：
基于华为 MindSpore框架构建的RAG增强型大模型，问答准确率89%（北师大校内测试）。对比传统人工标注，知识图谱生成效率大幅提升，单科知识库构建周期从2周缩短至1天。
