CogEvol：効率的かつ信頼性の高い学習環境生成に向けて

要旨

本稿では、学習環境生成に特化して訓練されたモデル群CogEvolを提案する。CogEvolは、コース概要を完成済みの学習成果物（構造化JSONのスライド、または自己完結型のインタラクティブHTMLページ）へ単一パスで変換する。本番環境における22万件のリクエストで、CogEvolはスライドを中央値17秒、インタラクティブページを中央値59秒で完了し、数分に及ぶマルチターン型エージェントのスキャフォールディングを不要にする。信頼性は期待に委ねるのではなく担保される。本番データに根ざしたデータパイプラインは、実際の失敗を5万3,687件の検証済みSFTサンプルへ変換し、ルールとVLMを組み合わせたハイブリッド報酬がGRPOベースの強化学習を駆動する。この強化学習は、視覚的にはもっともらしいもののプレイ不能なゲームを生成する報酬ハッキングの事例を検出・修正した後に頑健化されている。CogEvol-27Bは、スライド品質で83.7、500件のインタラクティブHTMLベンチマークで63.7を達成しており、フラッグシップのコーディングモデルと比べてパラメータ数は26.9分の1である。また、OpenMAICチームとの連携により、同チームの本番トラフィックの処理を担っている。CogEvol-4BはApache 2.0ライセンスで公開されており（https://github.com/CogEvol/CogEvol-4B）、外部のフラッグシップモデルも同一の評価ハーネス上で同じスイートにより評価される。さらに、スキャフォールド編集により、インタラクティブページの生成コストは約76%削減される。フルスタックは国産のAscendアクセラレータ上で動作し、A800 GPUとアプリケーションレベルで同等の性能を実現する。これにより、大規模なAIネイティブ教育における単位コストの削減を可能にする。

English

We present CogEvol, a family of models trained specifically for Learning Environment Generation: turning a course brief into a finished learning artifact (structured-JSON slides or self-contained interactive HTML pages) in a single pass. Across 220k production requests, CogEvol completes a slide in a median of 17 seconds and an interactive page in 59, replacing minutes-long multi-turn agent scaffolding. Reliability is enforced rather than hoped for: a production-grounded data pipeline turns real failures into 53,687 verified SFT samples, and a hybrid rule-plus-VLM reward drives GRPO-based RL, hardened after we caught and fixed a reward-hacking episode that produced visually convincing but unplayable games. CogEvol-27B scores 83.7 on slide quality and 63.7 on a 500-case interactive-HTML benchmark with 26.9x fewer parameters than flagship coding models, and, in collaboration with the OpenMAIC team, serves their live production traffic. CogEvol-4B is released openly under the Apache 2.0 license at https://github.com/CogEvol/CogEvol-4B; external flagships are measured on the same suites under the identical harness. Scaffold editing cuts interactive-page generation cost by a further ~76%, and the full stack runs on domestic Ascend accelerators at application-level parity with A800 GPUs, lowering the unit cost of AI-native education at scale.