题库与批改上 AI：先做客观题与解析生成
4 类批改任务里，3 类可以让机器先做，作文只做维度标往。
本页不讨论教学效果承诺，只讨论工程路径与验收口径；价格引用见文中，以书面报价为准。
一、先挑对任务
批改类项目有两种失败：一是让机器给正式分，错一处就是家长投诉；二是只做到识别，没做到解析，学生看完还是不懂。可行路径是：机器做客观题批改与解析生成，老师保留一切涉及评价的权力。
| 任务 | 每日量级 | 机器可做到哪一步 | 必须由人完成 |
|---|---|---|---|
| 客观题批改 | 高 | 直接判对错、统计错题 | 抽查异常作答 |
| 解析生成 | 高 | 生成后需回解验证 | 审定表达与难度标签 |
| 刷题推荐 | 中 | 按错题推荐同类题 | 定班级进度 |
| 作文评分 | 中 | 只做维度标往 | 最终分与评语 |
二、解析必须过回解验证
生成解析是模型最容易被信任却最容易错的地方：错得很流畅。“回解验证”是唯一可靠的拦截方式：用生成的解析反推到答案，与标准答案不一致就丢弃；再把丢弃率当做质量指标，按题型分别统计。丢弃率突然上升，往往说明题库里混进了错题或者标准答案不一致。
三、题库质量门槛
不看总量看覆盖。先把一门课一个学期的知识点铺满一层，每个知识点至少 10 道带标准答案的题；大量重复题不增加价值，反而让“同类题推荐”变成推同一道题。另外，题干的图片、公式、单位必须能被读取——扫描件里截掉的图形会让批改变成纯猜。
四、验收三个指标
- 解析丢弃率：按题型分开看，高于一成就要查题库而不是查模型。
- 错题重练命中率：推荐的同类题真的解决同一个知识点吗。
- 老师复核耗时：一项自动化如果需要老师逐个重看，就等于没有省人力。
五、算力口径
单个学校的日均推理量很小，不需要为此备多卡；批量生成题库时才需要短时多卡，这种“平时小、偶尔大”的形态适合台月租加短时扩容，不适合自购。计费方式差异见 卡时 vs 台月，私有化与数据合规见 多租户隔离。
当期站内已登记：H100 一年期 9.3 万元/台/月（32 台，2026-09-28）。价格随时点变动，正式报价以书面确认为准。
六、反例：这些情况不要上
①题库里还大量存在错题与无答案题：先清题库，否则模型学的是错的。②扫描件分辨率不足：先换扫描设备，模型救不了看不清的字。③目标是省掉老师：批改涉及评价权，省老师的项目通常先在内部被动抵制。④学生数据不能出内网：先解决部署环境。
七、常见问题
为什么不从作文评分开始？
因为作文的“对”本身就有分歧。同样的文章，两个老师可能差 3 分；先练一个连人也不能给出唯一答案的任务，验收根本无法建。
解析生成的质量怎么向家长解释？
把“已回解验证”作为可展示的流程：每道解析都能回到标准答案。不能回解的不展示，比展示后被发现错了解释起来容易得多。
要不要自己微调模型？
先把检索与题库用足。大多数“答得不像老师”是因为没用你们的教材表述，而不是因为模型不够。微调是最后一步，不是第一步。