基于qwen2和qwenvl的自动批改作业应用!

本文涉及的产品
NLP自然语言处理_高级版,每接口累计50万次
视觉智能开放平台,视频资源包5000点
NLP自然语言处理_基础版,每接口每天50万次
简介: 针对作业批改中常见的问题,如低质量作业、大量简单作业耗时、需初筛异常作业等,开发了一款自动批改作业的应用。该应用通过备份作业文件、获取文档内容、利用AI生成评语,并保存关键信息与日志,简化了教师的工作流程,提高了效率。应用设计简洁,易于扩展,支持图片转文字处理,适合教育场景使用。

因为之前一直有需要批改作业并且添加评语的要求,我尝试编写了一个应用,想去解决批改作业时遇到的各种问题。

老是遇到没有质量的作业?
作业太多内容简单修改耗时?
想要初筛出异常作业?
只想关注作业中的部分内容?

基于种种问题,如果AI能够帮忙做一些初筛,那是再好不过了。所以接下来我将从三个方面开始分享:

  1. 自动批改作业应用设计思路
  2. 自动批改作业应用编码
  3. 自动批改作业应用演示

1.自动批改作业应用设计思路

我们采用qwen2 7b + qwen vl来完成,这两个模型只需要提供基础的问答功能,如果有特定需求可以做一下训练微调。
这里程序的设计思路及步骤如下:

  • 备份:对待处理作业文件目录进行备份,以免发生意外
  • 获取待批改文档:从指定目录中获取相应的文档列表
  • 获取待批改文档内容:主要是获取文字内容,对于图片使用qwenvl做处理,返回相应的文字描述,最后插入原文本中形成最后的文档内容
  • 获取文档评价及批语:将最后的文档内容和提示词一起送入qwen2模型进入问答,获得评语等详细信息并追加至文档末尾
  • 保存关键信息及日志:将评语、文件名等关键信息进行单独保存,日志也单独保存,方便后续查询
    此步骤即本应用的设计,这个设计比较简单,也方便后续扩展。

2.自动批改作业应用编码

话不多说,代码如下:

import json
import os
import re
import sys
from os.path import basename
from time import sleep

import docx
import requests
import win32com.client as wc
import random
import datetime
import shutil
import traceback

from PIL import ImageGrab
from win32com.client import constants

这一段是需要用到的包。

image.png
这一段代码是基础的方法和全局变量。

image.png
这一段画框的是可自行编辑的提示词

image.png
这一段是待批改文件探测,接下来是主要操作流程,就不再多描述了

image.png
image.png
image.png
image.png
image.png
image.png

此处,代码展示全部完成。

3.自动批改作业应用演示

此处请看截图:

image.png

image.png
22f5f302895d9f67cf46d1c4810b80e.png

至此,一个初版的自动批改作业应用已经完成!
相关代码已经开源在https://gitee.com/wzlhlhhh/pgzy

目录
相关文章
|
8月前
|
机器学习/深度学习 人工智能 算法
通义千问Qwen-72B-Chat大模型在PAI平台的微调实践
本文将以Qwen-72B-Chat为例,介绍如何在PAI平台的快速开始PAI-QuickStart和交互式建模工具PAI-DSW中高效微调千问大模型。
|
8月前
|
人工智能 PyTorch 算法框架/工具
AI 容器镜像部署 Qwen-VL-Chat
本文将基于阿里云 AMD 服务器和龙蜥 AI 容器服务,快速搭建出个人版视觉 AI 助手服务
|
2月前
|
人工智能 C++ iOS开发
ollama + qwen2.5-coder + VS Code + Continue 实现本地AI 辅助写代码
本文介绍在Apple M4 MacOS环境下搭建Ollama和qwen2.5-coder模型的过程。首先通过官网或Brew安装Ollama,然后下载qwen2.5-coder模型,可通过终端命令`ollama run qwen2.5-coder`启动模型进行测试。最后,在VS Code中安装Continue插件,并配置qwen2.5-coder模型用于代码开发辅助。
4285 6
|
4月前
|
API 云栖大会
通义千问升级旗舰模型Qwen-Max,性能接近GPT-4o
通义旗舰模型Qwen-Max全方位升级,性能接近GPT-4o
1718 11
|
10天前
|
存储 JSON 安全
使用 Qwen 进行Self-instruct数据生成
使用Qwen进行自指令数据生成,通过Self-instruct技术自动化为大型语言模型生成指令。用户可安装CAMEL包并设置Qwen API密钥,配置ChatAgent和SelfInstructPipeline,基于种子指令迭代生成大量新指令。支持多种过滤器(如长度、关键词、标点符号等)确保生成指令的质量和多样性。欢迎加入Discord获取支持与交流。
使用 Qwen 进行Self-instruct数据生成
|
18天前
|
人工智能 自然语言处理 自动驾驶
Qwen-Agent:基于Qwen 2.5模型的智能Agent构建与应用
Qwen-Agent:基于Qwen 2.5模型的智能Agent构建与应用
313 20
|
8天前
|
并行计算 PyTorch 算法框架/工具
阿里云PAI-部署Qwen2-VL-72B
阿里云PAI-部署Qwen2-VL-72B踩坑实录
|
2月前
|
人工智能 JSON 算法
Qwen2.5-Coder 系列模型在 PAI-QuickStart 的训练、评测、压缩及部署实践
阿里云的人工智能平台 PAI,作为一站式、 AI Native 的大模型与 AIGC 工程平台,为开发者和企业客户提供了 Qwen2.5-Coder 系列模型的全链路最佳实践。本文以Qwen2.5-Coder-32B为例,详细介绍在 PAI-QuickStart 完成 Qwen2.5-Coder 的训练、评测和快速部署。
Qwen2.5-Coder 系列模型在 PAI-QuickStart 的训练、评测、压缩及部署实践
|
30天前
|
人工智能 自然语言处理 搜索推荐
如何构建媲美通义千问在线接口的qwen-max智能体
qwen-max智能体是一个高效、多功能的系统,擅长处理查询、文本生成、翻译、图像处理等任务。通过自然语言理解、任务识别、决策引擎和工具选择,它能自动选择最佳方案,满足用户多样化需求,提供智能化服务。系统旨在快速响应、精准执行,并持续优化,支持多任务类型,适应不断变化的需求。
|
2月前
|
机器学习/深度学习 API Python
阿里云百炼上线Qwen2.5-Turbo模型,可支持100万超长上下文
Qwen2.5-Turbo已上线,支持100万超长上下文,相当于100万个英文单词或150万个汉字。该模型在多个长文本任务评测集中表现出色,超越GPT-4,同时在推理速度上实现4.3倍提升。限时免费赠送1000万tokens额度,欢迎体验。