AI 辅导有望显著提升越南等发展中国家的学习效果，但现有两条路径都存在缺陷。云端助手（如 ChatGPT）会将学生敏感数据发送至境外服务器，违反《越南第 53 号法令》等数据主权法规；且其预训练语料以西方为中心，未围绕国家教材组织，导致对本地内容的知识碎片化、易出现幻觉。自行部署开源模型虽能本地化数据，但面临双重瓶颈：后训练量化（AWQ、GPTQ）虽压缩了静态权重体积，却无法解决长对话上下文的 KV 缓存占用和预填充延迟，导致消费级 GPU 常出现显存不足和响应慢的问题，同时模型仍在地区特定材料上产生幻觉。
DeepEdu-v1 是基于 SCALE（Self-improving Context-Aware Learning Engine）框架的越南教育 AI 辅导系统，提出两项创新。其一，长上下文推理引擎将 token 选择粒度从子块级提升到簇级，实现了对长上下文检索的 7.7 倍召回调用压缩，相比最先进的选择性注意力基线，预填充时延（TTFT）降低约 35%，且任务准确率持平或提升。其二，采用自我改进的主体层，通过持续从历史交互中构建经过验证的操作手册（playbook），取代传统微调，旨在随着可信本地知识的累积，逐步削弱对主流语言先验的依赖。
在实际部署中，DeepEdu 的 TTFT 相比标准 vLLM 服务提升近 2 倍，复杂任务的主体准确率从 70.0% 提升至 79.5%，在金融推理和交互式代理基准上取得最显著的单项提升。
点评