一篇新的研究论文探讨了 System-One 大型语言模型 (LLM) 在教育环境中进行知识追踪 (KT) 的潜力，特别是在学习者数据有限的情况下。该研究介绍了一个名为 Jev 的模型，即使没有来自新平台的特定训练数据，其 AUC 分数也高于在少量学习者上训练的现有深度 KT 模型。通过 JevKT 进一步增强，该模型结合了有限的登录数据和相似学习者统计数据，性能得到提升，在多达 16 名学习者的情况下优于深度 KT 模型。 AI
影响 这项研究表明，LLM 可以显著降低教育建模的数据要求，从一开始就实现个性化学习。
排序理由 一篇发表在 arXiv 上的研究论文，详细介绍了一种使用 LLM 进行知识追踪的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
