2020年留给中高考学生的时间不多了。春节前后爆发的疫情,催生了长达数月的线上教育,在有限的学习时间里提升学生专注力,提高学习效率,成为摆在全国近3亿师生面前的难题。
针对从柔性需求到刚性需求转变的线上教育行业,国内AI视觉领域创新能力者360OS吹响了AI落地教育行业的新号角。以“课堂专注度分析”为切入点,通过“用户+产品+技术“的创新落地应用模式,正在切实解决在线教育行业的应用痛点。
缘何布局在线教育市场?
对360OS AI影像视觉团队来说,精密领先的视觉算法能力,在智能手机领域早已被行业认可。拓展细分行业、用AI科技赋能百行百业是360OS未来重要的市场布局。其中,赋能教育信息化,成为360OS AI影像2020年迈出的关键一步。
教育信息化一直是行业洼地。有业内人士预估,全国教育信息化程度理性点10%,乐观些20%。另根据《国家中长期教育改革和发展规划纲要》,2020年我国幼儿园、中小学、高等教育在校生目标高达3亿人左右。
市场空间大、集中度不高、众多在线教育场景难题,成为技术创新企业进入市场、分割市场的天然沃土。360OS AI影像团队负责人张焰焰表示,在线教育市场合作伙伴不仅仅需要技术,他们更需要的是能够结合用户场景,提升用户体验的产品技术及服务,AI技术应该成为业务的支撑力量。
“三“融合,深入场景的创新探索
与大部分技术厂商不同的是,360OS在教育领域的探索形成了以“用户+产品+技术”的三融合模式,从外置型技术辅助走向了内融型技术渗透。
360OS在线教育产品技术解决方案,可以提供表情、人脸、人体姿态识别等技术支撑,也可以结合实际场景设计解决方案 ,比如利用表情、动作、姿态等多维度的检测分析,将课堂专注度量化、让技术产生可视化价值。
以课质监测为例,360OS在线教育产品技术解决方案通过摄像头采集课堂图像信息,识别学生上课时的表情、动作以及周边环境,围绕课堂专注度进行低头率、瞌睡率、疑惑度等关键指标分析,为学生个性化辅导及老师教学质量评估提供数据依据,这就在技术层面解决了学生专注度难以量化评估的问题,侧面提升了教学效率。
除此之外,将考勤功能集成到在线课堂的AI考勤;利用AR贴纸、手势识别增强课堂互动;基于人体关键点检测的体态纠正;基于3D emoji、人像分割的教学辅助功能等都是360OS针对在线教育的功能性探索。
服务加速可视化价值的转化
内容、产品、平台、服务,一个互联网服务的闭环。360OS作为前沿的技术厂商,深刻认识到这一点。360OS触及实地需求,在服务上推陈更新,加速AI技术在教育行业的应用落地。
360OS AI影像可以根据客户的实际需求定制针对性解决方案;并且通过支持多种合作方式,灵活匹配到不同企业的商务模式,让应用快速落地,高度适应在线教育行业快速部署的需求。
AI产业化、产业AI化,加速细分行业应用落地,正成为360OS的全新布局。360OS将瞄准线下教培机构、新兴互联网在线教育企业、教育平台类等全品类合作伙伴,与合作伙伴一同开发更赋价值的商业应用。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。