クアン・グエン (Quang Nguyen) 氏らは2026年9月25日(現地時間)、ベトナムの教育向けAIチュータリングシステム「DeepEdu-v1」を発表した。このシステムは、データ主権法の順守、現地カリキュラムへの対応、ハルシネーションの低減、および推論速度の向上を目指し、SCALE (Self-improving Context-Aware Learning Engine) というフレームワークを基盤としている。既存のクラウドアシスタントや自己ホスティングモデルが抱える課題を解決するとされる。
既存のAIチュータリングの経路は、開発途上国における学生の学習成果を改善する上で課題を抱えている。ChatGPTのようなクラウドアシスタントは、機密性の高い学生データを外国のサーバーにルーティングするため、ベトナムの政令53号といったデータ主権法に違反する。また、西洋中心のコーパスで事前学習されているため、ベトナムの国家教科書カリキュラムに基づいて組織されておらず、現地コンテンツに関する知識は体系的でなく、頻繁にハルシネーションを発生させる。
オープンモデルを自己ホスティングする場合、データはオンプレミスに保持されるものの、長文チュータリングコンテキストの動的なKVキャッシュやプリフィル遅延 (TTFT) が、消費者向けGPUでメモリ不足や応答の遅延を引き起こす。さらに、モデルは地域固有の教材に対してハルシネーションを継続するという問題がある。
DeepEdu-v1は、SCALEフレームワークの二つの革新的な技術に基づいている。一つは長文コンテキスト推論エンジンであり、トークン選択をサブチャンク単位からクラスタ単位に償却する。これにより、長文コンテキスト検索において、最先端の選択的注意ベースラインと比較して検索呼び出し回数を7.7分の1に削減し、TTFTを約35%短縮しながら、タスク精度を維持または向上させる。二つ目は自己改善型エージェントレイヤーで、ファインチューニングに代わり、過去のインタラクションから検証済みプレイブックを継続的にキュレートする。これにより、信頼できる現地知識が蓄積されるにつれて、優勢言語の事前知識への依存を段階的に減らすことを目指している。
展開構成において、DeepEduは標準のvLLMによるサービングと比較してTTFTを約2倍高速化し、複雑なタスクにおけるエージェント精度を70.0%から79.5%に向上させた。特に、金融推論およびインタラクティブエージェントのベンチマークにおいて、トラックごとの最も顕著な性能向上が確認されている。
参考: arXiv cs.AI (アーカイブ) — 2026年9月26日 02:33 (JST)
原文ハイライト"DeepEdu-v1, an AI-tutoring system for Vietnamese education built on SCALE (Self-improving Context-Aware Learning Engine)"