基于多智能体大型语言模型（LLM）的内容知识识别
人工智能
2024-09-06 v1 计算机与社会
摘要
教师的内容知识（CK）在教师专业发展（PD）项目中至关重要且不可或缺。计算机辅助的异步 PD 系统是最新提出的 PD 技术，旨在帮助教师不受成本、时间或地点限制地平等提升其 PD。然而，作为异步 PD 系统核心技术之一的现有自动 CK 识别方法面临着用户响应多样性、高质量标注数据稀缺以及预测可解释性低等挑战。为了应对这些挑战，我们提出了一种基于多智能体 LLM 的框架 LLMAgent-CK，以在无人工标注的情况下评估用户响应对已识别 CK 学习目标的覆盖度。利用多智能体 LLM 在强泛化能力与类人讨论方面的优势，我们提出的 LLMAgent-CK 在真实数学 CK 数据集 MaCKT 上展现出有前景的 CK 识别性能。此外，我们的案例研究进一步验证了该多智能体框架的有效性。
引用
@article{arxiv.2404.07960,
title = {Content Knowledge Identification with Multi-Agent Large Language Models (LLMs)},
author = {Kaiqi Yang and Yucheng Chu and Taylor Darwin and Ahreum Han and Hang Li and Hongzhi Wen and Yasemin Copur-Gencturk and Jiliang Tang and Hui Liu},
journal= {arXiv preprint arXiv:2404.07960},
year = {2024}
}