论文标题：An Open-Source Large Language Model for Chinese Education Research

期刊：Frontiers of Digital Education

作者：Wentao Liu, Hao Hao, Aimin Zhou

发表时间：23 Apr 2025

DOI：10.1007/s44366-025-0060-0

微信链接：点击此处阅读微信文章

《数字教育前沿（英文）》第2卷第2期

当下市面上主流大模型基本以英文语料训练为主，直接用于中小学、高校中文教学答疑、试题解析时，常常出现语义理解偏差、中英混杂输出等问题。同时绝大多数开源模型仅开放模型权重，训练数据集、完整训练流程不对外公开，教育方向研究者缺少可复现、可深度剖析的基础工具，很难开展教学适配、算法偏见等相关研究。针对这两大现实痛点，国内高校团队从零训练出CELL中文教育专用开源大模型，全套模型、数据集、代码全部公开，为中文教育AI研究提供完整可用基准。

文章介绍

华东师范大学刘文韬等在Frontiers of Digital Education（《数字教育前沿（英文）》）发表题为An Open-Source Large Language Model for Chinese Education Research（《面向中文教育研究的开源大语言模型》）的研究论文。研究选取了Llama 3、Qwen（通义千问）、ChatGLM等多款主流开源大模型作为评测基线，对比不同架构、注意力机制、词表体系在教育场景下的表现，以此为基础搭建15亿参数CELLM模型。

整套训练分为两大环节：第一阶段是预训练，专门使用中文教育专用数据集Chinese-fineweb-edu-v2，整套素材中文占75%，涵盖行业资料、安全文本、教学对话等多类内容，累计336亿训练字符，贴合国内各类教学场景。第二阶段做指令微调，作者设计自动化多轮翻译工具，把25.8万条海外英文教学问答批量转为中文数据，清洗后搭配国内数学、文科题库一起训练，总微调数据约160亿字符。

训练采用分布式训练框架，降低硬件压力。研究用国内C-Eval、CMMLU和国际MMLU、代码测试集MBPP做多维度测试，结果显示CELLM擅长文史、社科类考题，但数理、编程能力较弱，Python代码测试通过率仅0.6%。文章完整放出各学科得分数据，给后续同类教育模型提供对照标准。

该模型、训练数据集、实验代码全部对外开源，方便教育科研人员二次改造。研究也坦诚现有短板：15亿参数规模偏小，训练数据总量不及主流通用大模型，未来会扩充数据、更新模型版本，提升理科与代码解题能力。

科普视频

来源｜上海智能教育研究院

文章信息

Wentao Liu, Hao Hao, Aimin Zhou. An Open-Source Large Language Model for Chinese Education Research. Frontiers of Digital Education, 2025, 2(2): 23

DOI:10.1007/s44366-025-0060-0

识别二维码 免费获取原文

往期回顾

论文解读 | 面向中文教育研究的开源大语言模型

论文解读 | K-12教育中大规模基础模型的当前趋势和未来前景

论文解读 | 大语言模型是认知诊断中的零镜头跨域诊断专家

招聘 | 高教社博士后科研工作站2026年度招聘简章

期刊介绍

期刊特点

1. 国际化投审稿平台ScholarOne Manuscripts

2. 严格的同行评议（Peer Review）

3. 免费语言润色，有力保障出版质量

4. 不收取作者任何费用

5. 不限文章长度。

6. 审稿周期：第一轮平均30天，投稿到录用平均60天

7. 在线优先出版（CAP）

8. 通过SpringerLink平台面向全球推广

在线浏览

https://journal.hep.com.cn/fde

（中国大陆免费下载）

https://link.springer.com/journal/44366

在线投稿

https://mc.manuscriptcentral.com/fde

邮发代号

80-164

联系我们

fde@hep.com.cn

010-58582379, 010-58581834