大型语言模型能否在环境知识方面弥合差距？
人工智能
2025-08-06 v1
摘要
本研究探讨了人工智能（AI）模型在大学学生环境教育中弥合知识差距方面的潜力。通过聚焦于GPT-3.5、GPT-4、GPT-4o、Gemini、Claude Sonnet和Llama 2等著名大型语言模型（LLMs），该研究评估了这些模型在传递环境概念方面的有效性，从而促进环境教育。该研究采用标准化工具——环境知识测试（Environmental Knowledge Test, EKT-19），并辅以针对性问题，对比评估了大学学生的环境知识与AI模型生成的响应。本研究的结果表明，尽管AI模型拥有广泛、可及且有效的知识库，具有力量既能激发学生，也能激发学术人员，但环境科学领域的人类学科专家仍可能需要验证所提供信息的准确性。
引用
@article{arxiv.2508.03149,
title = {Can Large Language Models Bridge the Gap in Environmental Knowledge?},
author = {Linda Smail and David Santandreu Calonge and Firuz Kamalov and Nur H. Orak},
journal= {arXiv preprint arXiv:2508.03149},
year = {2025}
}
备注
20 pages, 3 figures, 7 tables. No external funding