Tạm biệt trả lời một lần: Giảng viên AI nguồn mở DeepTutor v1.5 của Đại học Hồng Kông hiện thực hóa vòng lặp đồng bộ giảng dạy và kiểm tra.

Theo giám sát của Động Sát Beating, khi mô hình lớn làm gia sư, thường chỉ có thể "hỏi một đáp một", không thể theo dõi tư duy và lỗi sai của học sinh để hướng dẫn liên tục. Phòng thí nghiệm Dữ liệu Thông minh Đại học Hồng Kông (HKUDS) đã mã nguồn mở gia sư thông minh DeepTutor v1.5, tích hợp sáu khâu gồm Trò chuyện (Chat), Kiểm tra (Quiz), Nghiên cứu (Research), Trực quan hóa (Visualize), Giải bài (Solve) và Lập kế hoạch (Mastery Path) vào cùng một vòng lặp vận hành của tác nhân thông minh. Điều này có nghĩa là khi học sinh chuyển đổi nhiệm vụ, engine nền không cần phải gián đoạn và thiết lập lại, bối cảnh học tập và bộ nhớ đa độ phân giải sẽ tự động đồng bộ và luân chuyển.

Để thực sự đạt được dạy học theo năng lực, DeepTutor đã giới thiệu cơ chế rừng theo dõi, lưu lại dấu vết tương tác thành biểu đồ đa độ phân giải, từ đó tinh lọc ra hồ sơ học sinh ảo tiến hóa động. Điều này cho phép mọi kết luận giảng dạy do AI đưa ra đều có thể truy ngược lại bằng chứng văn bản cụ thể hoặc bản ghi lỗi sai qua các lớp.

Đánh giá cho thấy, DeepTutor có thể nâng cao trung bình chỉ số giảng dạy cá nhân hóa lên 10,8%, cải thiện khả năng suy luận tổng quát của các mô hình lớn chủ đạo lên 29,4%. Tuy nhiên, chi phí làm phiền của phương pháp giảng dạy chủ động nhắc nhở này trong chu kỳ dài, cũng như hiệu quả thích ứng thực tế của người dùng thật với đường cong quên lãng, vẫn cần được xác minh thông qua các nghiên cứu hành vi dài hạn.