exsada Все проектыОбсудить задачу
01 / AutoGraderOn-premise AI / RAG · Образование

Проверка экзаменационных ответов с опорой на материалы курса

Для колледжа ДГУ разработали систему проверки экзаменационных ответов по учебным материалам. Языковая модель работает на сервере колледжа: мы настроили её запуск и дообучение. Преподаватель получает пояснения к результатам и принимает итоговое решение.

Работа команды

Локальная LLM · инференс · дообучение · RAG

Технологии

On-premise LLM · vLLM · Python · Qdrant · React

Графическая интерпретация работы AutoGrader
01

Проверять содержание ответа

В открытом экзаменационном вопросе один и тот же смысл можно выразить разными словами. Задача системы — сопоставить ответ с материалами курса и подготовить объяснение результата проверки.

02

От учебных материалов до комментария

Разработали систему проверки экзаменационных ответов для колледжа ДГУ. Она получает экзамены и ответы из образовательной платформы. Преподаватель выбирает источники: учебник, собственный документ или их сочетание. После подготовки и индексации материалов RAG-поиск подбирает фрагменты для конкретного вопроса, а языковая модель проверяет ответ в найденном контексте.

Для каждого ответа интерфейс показывает результат и объяснение. Комментарии можно отправить обратно в образовательную платформу. Финальная отметка автоматически не выставляется.

Проверка ответа и объяснение результата
Демонстрационные данные. Открыть экран в полном размере
03

Локальная LLM и настройка модели

Развернули языковую модель на сервере колледжа и настроили её работу на GPU через vLLM. Настроили дообучение под задачи проекта. При проверке модель получает ответ студента и подходящие фрагменты учебных материалов — на их основе она составляет пояснение.

Поиск по учебным материалам тоже работает локально. Отдельная модель помогает находить фрагменты, близкие по смыслу к вопросу; поисковый индекс хранится в Qdrant. Поиск и проверка ответа работают в отдельных сервисах, поэтому их можно настраивать независимо.

04

Что сделали

  • Ограничили поиск выбранными учебниками и документами. При объединении контекста материал преподавателя получает приоритет.
  • Связали получение экзаменов, пакетную проверку, прогресс и повтор отдельных неудачных проверок.
  • Добавили очередь обработки и повторное использование найденных материалов для одинаковых вопросов. Если отдельная проверка завершилась с ошибкой, её можно повторить без перезапуска всей партии.
05

Результат в цифрах

150+ токенов в секунду — скорость генерации Qwen3.5 9B на один запрос.

До 2 000 экзаменов в день — оценка мощности системы, а не фактически обработанный дневной объём.

С часов до минут — сокращение времени, которое преподаватель тратит на проверку.

Преподаватель может подготовить материалы курса, запустить проверку ответов и просмотреть пояснения в одном интерфейсе. Комментарии отправляются обратно в образовательную платформу. Система помогает разобрать ответы, а решение об итоговой отметке остаётся за преподавателем.

Настройка учебных материалов в демонстрационном интерфейсе
Экран продукта · демонстрационные данные

Интерфейс показан на демонстрационных данных.

Нужна похожая система?

Обсудить задачу
Следующий проект
Платформа рекламной компании