CogEvol：面向高效可靠的学习环境生成

我们提出 CogEvol，这是一系列专为 Learning Environment Generation 训练的模型：可在单次生成中将课程简介转化为完整的学习产物（结构化 JSON 幻灯片或自包含交互式 HTML 页面）。在 22 万条生产请求中，CogEvol 生成一份幻灯片的中位耗时为 17 秒，生成一个交互式页面为 59 秒，取代了耗时数分钟的多轮 agent 脚手架流程。可靠性不是寄希望于运气，而是被强制保障的：一个基于生产环境的数据管道将真实故障转化为 53,687 个经过验证的 SFT 样本，而混合的规则加 VLM 奖励驱动基于 GRPO 的 RL；在我们发现并修复了一起奖励黑客事件后，该系统进一步加固，该事件曾生成视觉上令人信服却无法游玩的游戏。CogEvol-27B 在幻灯片质量上得分 83.7，在一个包含 500 个案例的 interactive-HTML 基准上得分 63.7，参数量比旗舰级代码模型少 26.9 倍，并与 OpenMAIC 团队合作，承载其线上生产流量。CogEvol-4B 已在 Apache 2.0 许可下于 https://github.com/CogEvol/CogEvol-4B 开源发布；外部旗舰模型在相同基准上、使用完全一致的评测框架进行测评。脚手架编辑进一步将交互式页面生成成本降低约 76%，整套系统可在国产 Ascend 加速器上运行，并在应用层面与 A800 GPUs 持平，从而降低 AI 原生教育的大规模单位成本。