可控口语对话生成：面向 K-12 非母语英语学习者的 LLM 驱动评分系统
计算与语言
2026-04-27 v1 人工智能
摘要
大型语言模型（LLM）常因语言水平匹配问题，难以满足 K-12 英语学习者在非母语语境下的教学需求。为解决这一广泛问题，我们提出一种 proficiency-aligned（ proficiency 对齐 ）框架，通过适配学习者能力，将 LLM 输出调整至匹配水平。以中国国家课程（CSE）为代表案例。该框架通过四层级评分系统实现词汇复杂度的精准控制，并构建了完整的新资源：分级词汇表和多轮对话语料库。我们的核心技术贡献是基于多轮 GRPO 的 \textbf{DDPO} 算法，即 \textbf{多样性驱动策略优化}，旨在在保持对话多样性的同时综合优化对话质量。该方法显著优于传统方法，在保持低 OOV（out-of-vocabulary）率和高多样性的同时，提升了对话的自然性和教学价值。虽然以 CSE 为基础，但该框架具备灵活性，可轻易适用于其他教育标准。我们将对模型、数据和代码全部开源，为 K-12 学习者在非沉浸式环境中进行个性化英语口语练习提供可扩展平台，有效解决其独特挑战。
引用
@article{arxiv.2604.22542,
title = {Controllable Spoken Dialogue Generation: An LLM-Driven Grading System for K-12 Non-Native English Learners},
author = {Haidong Yuan and Haokun Zhao and Wanshi Xu and Songjun Cao and Qingyu Zhou and Long Ma and Hongjie Fan},
journal= {arXiv preprint arXiv:2604.22542},
year = {2026}
}