概念解释与物理直觉
围绕量子态、测量、波函数和概率等抽象概念,把数学表达与物理图像放在一起解释。
QuanLLM-v2.0-qm 是 QuanLLM 当前的领域模型, 以量子力学为起点,采用 14B dense 架构,未来可升级至 27B dense, 支持教育机构本地私有化部署,数据不出校。 它面向课程学习中的概念理解、公式推导和连续问答,把抽象概念组织成学习者能够继续理解、追问和使用的专业回答; 同一架构未来可扩展并定制到更多 STEM 与学科领域,系统可靠性与科学核验由 QuanLLM Harness 协同提供。
为什么势垒变宽后,量子隧穿概率会快速下降?
势垒越宽,波函数需要在禁阻区域中“衰减”得越久,穿过势垒后留下的振幅越小,因此透射概率会快速降低。
Extensible Domain Intelligence
QuanLLM-v2.0-qm 专注于领域理解、公式关系与教学表达。 它不是简单的聊天入口,也不是整个 QuanLLM 系统,而是为上层学习产品提供领域智能的核心模型; 当前以量子力学为起点,未来可扩展并定制到更多学科。
QuanLLM-v2.0-qm 可以根据不同学习任务提供概念解释、推导支持和课程连续问答,让专业内容以更适合学习的方式呈现。
为什么粒子有机会穿过经典力学中“过不去”的势垒?
波函数可以延伸到经典禁阻区域,并在势垒内部逐渐衰减;只要势垒有限,另一侧仍可能保留非零振幅,因此存在非零透射概率。
QuanLLM-v2.0-qm 当前从量子力学出发,重点服务三类高频学习任务: 看懂抽象概念、跟上公式推导,以及围绕课程上下文持续追问; 同一模型框架未来可扩展并定制到更多 STEM 与学科领域。
围绕量子态、测量、波函数和概率等抽象概念,把数学表达与物理图像放在一起解释。
围绕边界条件、方程关系和中间步骤组织推导,让学习者看到从已知条件到结果之间的逻辑连接。
围绕当前章节继续追问“为什么”“下一步怎么算”“和前面知识有什么关系”,让 AI 回答保持在同一学习上下文中。
这两层能力不是重复关系:QuanLLM-v2.0-qm 负责“理解、推导、解释”, QuanLLM Harness 则提供独立检查、科学计算支持和结果状态表达。
把课程领域问题组织成专业、可学习的领域回答。
在模型输出进入产品之前,增加额外的可靠性与科学支持。
QMStudy 则把两者进一步组织成课程、AI 助教、自测与持续学习体验。
首批开放 50 个名额,申请通过后会邮件发送 API Key 与使用说明。请使用固定模板发送邮件。
首批 API Key 申请使用固定模板提交;审核通过后,将通过邮件发送 API Key 与对应的使用说明。