【AI实践】个人免费数学老师系列之（一）：系统概述

出发点：
1、近期大型视觉语言模型（Large Vision Language Models, LVLMs）引领了OCR2.0时代的到来，加之类似Qwen2.5-Math的专用 大语言模型（LLM）不断演化，让个人开发者也能成为高质量的AI数学辅导老师。
2、作为曾经有过6年从业经验的教育科技工作者，借此契机整理迭代一下之前在教育OCR方面的实战内容，分享出来供大家品鉴玩赏。

0、提纲：

• 项目目标
• 技术方案
• 初步效果
• 计划拆解

1、项目目标

日常辅导孩子作业时，如何通过手机拍照（类似上图）或电脑截屏，获得各道题的解题步骤和答案呢？

2、技术方案

2.1 运行流程

1、自动切题（将整页试题切分为单题，部分去除大标题/手写等干扰项）
2、识别OCR（提取题目的文本，包括混排的公式信息）
3、题目解析（理解文本，以生成解题步骤和答案）

2.2 涵盖模型

1、自动切题：基于 Transformer 的目标检测模型
2、识别OCR：比如 GOT-OCR2_0、Qwen2-VL 模型
3、题目解析：比如 Qwen2.5-Math 模型

3、初步效果

自动切题效果展示【后续篇章详述实现方案】：

4、计划拆解

【AI实践】个人免费数学老师系列之（一）：系统概述【本篇】

【AI实践】个人免费数学老师系列之（二）：自动切题【目标检测】

【AI实践】个人免费数学老师系列之（三）：题目识别【OCR2.0】

【AI实践】个人免费数学老师系列之（四）：题目解析【Qwen2.5-Math】

【AI实践】个人免费数学老师系列之（五）：工程实践【代码开源】

敬请关注~