项目说明
OmniEdu 是什么
OmniEdu 是北京大学 DCAI 团队联合国科大、中关村学院开源的教育多模态模型系列,提供 27B、9B、4B 三种规模。
它强调教学能力,能解答学科题目、判断知识点的课程位置、诊断学生错因,并选择合适的教学动作。4B 小模型可部署于普通服务器,降低学校使用门槛。
| 基准 | OmniEdu-27B | MuduoLLM-14B |
|---|---|---|
| K12-Bench EM | 63.12% | 48.24% |
| GAOKAO-Bench | 94.87% | 89.66% |
| EXAMS-V | 69.52% | 21.95% |
| MathTutor 脚手架胜率 | 78.74% | 30.42% |
| TutorBench | 59.42% | 35.98% |
在与 GPT-5.4、Claude-Opus-5 等 5 个前沿模型的 60 次比较中胜出 51 次。
OmniEdu 怎么安装
方式一:本地运行(Transformers)
- 执行
pip install -U torch torchvision transformers accelerate safetensors pillow(FP8 权重需额外装compressed-tensors) - 用
AutoProcessor和Qwen3_5ForConditionalGeneration.from_pretrained加载模型 ID(如lhpku20010120/Omni-Edu-4B)
方式二:部署服务(vLLM,推荐)
- 执行
vllm serve lhpku20010120/Omni-Edu-4B --max-model-len 32768 --reasoning-parser qwen3 - 通过 curl 访问
http://localhost:8000/v1/chat/completions,用 OpenAI 兼容格式提问
方式三:官方工具包 — pip install omniedu(评测需装 omniedu[eval])
OmniEdu 怎么使用
- 构造输入:把学生题目、作答或图片按 chat 模板组织成 messages,图片题目加入
{"type": "image"}项。 - 生成回答:调用
generate(务必enable_thinking=False),用batch_decode解码输出。 - SDK 调用:
OmniEdu.from_pretrained("4B", base_url=服务地址)后用model.chat(text=...)提问。 - 评测对比:
omniedu eval --list查看 12 个教育评测基准并生成报告。
OmniEdu 的四种能力
- 学科解题:覆盖数学、科学、阅读理解和写作,正确答案与解释、推理过程保持一致
- 课程理解:识别题目对应的知识点、年级、难度和前置关系
- 诊断推理:基于学生作答过程和错误答案定位出错步骤,而非仅凭题目猜测
- 教学行动:选择合适回应方式,包括提示、引导式提问、复习前置概念、指出错误或完整讲解
OmniEdu 适合谁用
- 学生自习,模型先定位卡点再引导独立思考
- 教师批改,自动分析错因、对应知识漏洞、生成补救建议
- 教研组按课程标准生成分层作业和讲解材料
- 学校想在普通服务器上本地部署,控制成本与数据隐私
OmniEdu 项目地址
- 项目官网:https://haolpku.github.io/Omni-Edu/
- GitHub 仓库:https://github.com/haolpku/Omni-Edu
- HuggingFace 模型库:https://huggingface.co/lhpku20010120/Omni-Edu
- 技术论文:https://arxiv.org/pdf/2609.23088