前不久，2024中国大学生服务外包创新创业大赛正式启动！作为中国高等教育学会“全国普通高校学科竞赛排行榜”竞赛，飞桨赛道已经吸引了超过200位选手报名参赛。

本文旨在助力“A01-基于文心大模型智能阅卷平台设计”赛道选手，更快地明确产品设计与开发的路径，并用好飞桨星河社区各类工具与资源。

往何处去：结合赛题背景，定位自己的产品方向

看到赛题中的“阅卷”二字，想必选手们首先会有三个疑问：

• 需要评阅什么学科的试卷？
• 需要评阅什么样的试卷？
• 需要评出什么结果？

图1：定位选题空间

由于赛题并没有指定具体的评阅对象，给选手们发散空间则比较宽裕。那么，在选题的过程中，选手们就可以从难度和对AI的需求两个角度着手，根据自己的偏好和团队的实力，在客观分析出来的一个难度空间中（如图1），定位好自己的选题设计。

拆解赛题任务：抽丝剥茧，核心搞定4大关键模块

不难发现，本赛题融入了大模型与小模型，选手们要完成的作品，是需要打通感知、理解与生成全流程，是一道能力考核全面但又场景聚焦的题目。

图2：拆解赛题任务

面对赛题众多的任务点（如图2左侧），选手们或许有一些迷茫，不用担心！当我们初步进行任务的聚类，会发现：任务的核心在于四大模块的设计。

在AI小模型、AI大模型和网站产品开发上，飞桨星河社区都提供了一站式的工具，这些工具串联起来的pipline，能够快速帮大家又快又标准地完成模块能力的建设工作。

以终为始：看赛题背景，看技术要求

当选手有了大致选题方向，踌躇满志之时，接下来，则需要对照赛题任务要求，确定工作发力点。

图3：赛题要求拆解

在视觉技术和深度学习框架要求上，飞桨星河社区会为本次大赛提供算法模型验证平台，考虑到试卷的手写字体是通用型的识别需求，因此本次算法部分的任务提交与飞桨模型评测，仅围绕手写字。

在多格式和速度等要求上，考虑到选手选择的学科和内容并不一样，选手除了基于上述手写字的算法验证要求，还可以自行选择数据集，基于更多学科、更多试卷类型和更多评阅材料中样本的特点，进行能力效果的举证。

在评阅结果可视化与数据管理要求上，选手可以针对用户及场景的需求，设计合理的可视化体验与数据管理逻辑，使产品更加可用、更加成熟。

串联产品整体逻辑：为何出发，如何抵达，结果怎样

在产品开发的末尾中，如何面向最终的竞赛答辩，有一套完整的价值叙事逻辑，是至关重要的。要是想在答辩现场游刃有余，必须直面以下这些问题，提前“汗流浃背”！

图4：整体答辩逻辑

产品定位问题：为什么选择这样的评阅对象作为研究方向呢？有没有经过各类试卷样本的比较分析？有没有对教师需求和评阅现场有精准分析？有没有了解目前市面上还有哪些竞品？……

工作量问题：工作量够不够？有哪些独特创新和技术壁垒呢？有没有自己采集过样本和数据，还是用成熟模型；有没有自己做过大模型微调；怎么样把产品直观质量，做到high level？……

成果问题：产品有没有实际投入使用？产品有多少个用户测试反馈？有没有主动去推动产品向真实用户去做测试？……

这些问题的模拟回答，是希望能够让大家在繁重的开发过程中，在“深陷”琐碎的技术细节的同时，有一个全局视角，能够时不时地进行自我反思与迭代。

未来，我们也将有更多直播、课程和实际的开发案例，帮助大家持续去学习和迭代，为大家的备赛过程再加一个氮泵！

更多问题，可联系liuconglin@baidu.com

另外，为了更好地助力设计师、产品经理和初阶开发者更快速地入门AI产品原型设计，我们联合全球顶尖高保真原型设计工具ProtoPie ，基于ERNIE SDK能力，共同推出《如何提高AI产品原型表现力》公开课！欢迎大家报名！