本报告主要研究了教育专用大模型的技术基础、应用现状、潜在挑战、创新构思和落地场景。目前,教育专用大模型主要采取两种技术路线:一是直接调用通用大模型,通过微调或提示学习的方式使之具备一定专业能力;二是利用教育领域专业数据,专门训练用于解决教育任务的大模型。这两种技术路线都取得了一定进展,但实现效果仍有待提升。教育专用大模型主要应用于口语练习、数学学习、情感分析和个性化推荐等方面,具有巨大的潜力和可能性。然而,教育专用大模型在技术进展、应用案例和应用场景等方面仍存在挑战。未来,需要整合通用问题解决能力和教育专用问题解决能力,建立一种全新的开放技术架构,以实现教育专用大模型的突破。