hkust&微软研究亚洲：基于大型语言模型的多智能体框架用于智能辅导系统中的目标导向学习

🎯 推荐指数：🌟🌟🌟
📖 title：LLM-powered Multi-agent Framework for Goal-oriented Learning in Intelligent Tutoring System
🔥 code：https://github.com/GeminiLight/gen-mentor
🌟 概述：GenMentor是一个创新的基于大型语言模型的多智能体框架，旨在通过准确的技能差距识别、自适应学习者画像和量身定制的内容传递，提升智能辅导系统，提供个性化、目标导向的学习体验。

🔍 解决的问题：

本文旨在解决以下问题：

1. 任务目标
   本文的目标是开发一个以目标为导向的智能辅导系统（ITS），为个体学习者提供量身定制的学习体验，特别是在专业环境中。

2. 当前困难

   • 技能差距识别
     准确识别学习者在特定目标下的技能差距至关重要，因为传统系统通常难以将目标与所需技能进行有效匹配。
   • 学习者建模
     强大的学习者建模对于捕捉个体偏好、进展和认知能力至关重要，但现有系统可能无法有效适应实时反馈。
   • 资源个性化
     提供个性化资源，如学习路径和内容，是一项挑战，因为这需要确保资源与目标相关、相一致，并能够适应学习者的进展。

3. 研究动机
   本研究的动机在于将智能辅导系统的指导方式从被动转变为主动，优化学习轨迹，以实现精确的教育成果，并高效满足专业学习者的独特需求。

👉文章方法：

本文提出了“GenMentor”框架，该框架由多个关键方法组成，旨在智能辅导系统（ITS）中实现个性化的目标导向学习。以下是逐步解析：

1. 目标与技能映射

   • **关键词：**映射
   • **描述：**使用定制的目标与技能数据集，将学习者的具体目标映射到所需技能，确保准确识别所需的能力。

2. 技能差距识别

   • **关键词：**识别
   • **描述：**识别学习者当前知识与实现其目标所需技能之间的差距，过滤掉已掌握的技能。

3. 自适应学习者建模

   • **关键词：**建模
   • **描述：**通过整合互动数据，持续更新学习者档案，跟踪认知进展、偏好和行为模式。

4. 个性化资源交付

   • **关键词：**交付
   • **描述：**动态安排引人入胜的学习路径，并提供量身定制的学习内容，以高效弥补识别出的技能差距。

5. 探索-草拟-整合机制

   • **关键词：**内容创作
   • **描述：**通过一个结构化的过程策划和生成学习内容，该过程包括探索相关知识、草拟部分内容以及将其整合成连贯的文档。

6. 学习者模拟器

   • **关键词：**模拟
   • **描述：**模拟学习者的反应，以优化资源交付，无需直接反馈，从而允许对学习材料进行主动调整。

7. 可演化学习路径调度

   • **关键词：**调度
   • **描述：**根据学习者的反馈和进展迭代优化学习路径，确保路径保持挑战性和吸引力。

8. 人工与自动评估

   • **关键词：**评估
   • **描述：**通过自动化指标和人工评估进行广泛评估，以验证该框架在技能识别、学习路径调度和内容生成方面的有效性。

这些方法共同增强了专业环境中学习体验的个性化和有效性。

每日Paper内容分享：小红书《AI届吗喽》

微信公众号：大模型技术

微信号：llm_LingQingyu

每日Paper分享｜微信群：

每日Paper知识星球：