Chi tiết ở docs: https://edugap-c2-app-125.vercel.app/docs/algorithms

Bài toán Trong lớp AI cường độ cao, sinh viên dễ bị kẹt ở các skill nền như RAG, agent, eval, pipeline nhưng không biết chính xác mình thiếu gì. Mentor khó hỗ trợ cá nhân hóa 24/7 cho nhiều học viên, còn chatbot AI generic thường không bám tài liệu lớp và có thể làm hộ bài, làm giảm năng lực tự học.

Giải pháp kỹ thuật EduGap xây hai pipeline chính: course data -> skill graph -> MCQ/adaptive quiz và course data -> embedding -> RAG Socratic tutor. Hệ thống dùng FastAPI, Next.js, Supabase PostgreSQL/pgvector, LangGraph, Elo/BKT, ZPD selector 70-75%, hint ladder, citation cards, guardrails học thuật, và eval pipeline để kiểm tra groundedness, citation, helpfulness, latency và policy compliance.

Tính khả thi Dự án đã có codebase, kiến trúc rõ, demo flow, dữ liệu traction ban đầu và các golden test cases cho RAG, citation, low/high Elo personalization, chống cheating, và quiz-help guardrails. North Star metric được xác định là WAQA - Weekly Adaptive Questions Answered, giúp đo hành vi học thật thay vì vanity metrics.

Hướng phát triển Pilot các lớp nhỏ lẻ -> lấy evidence + fund từ ELab -> hỗ trợ triển khai ở vin school, lấy evidence bước đầu -> đàm phán và mở rộng ra các khoá học và lớp học chuyên sâu của các trường đại học, trường hè.