开发教学对话数据集以优化 LLM 的教育应用
计算与语言
2024-10-28 v1 人工智能
摘要
大型语言模型（LLM）的最新进展在可扩展的教育应用方面显示出前景，但由于需要有效的教育策略以及专家精选数据集的高成本，LLM 在基于对话的辅导系统中的应用仍面临挑战。本研究探讨了使用较小且更可负担的 LLM 进行一对一辅导的可行性，其目标是解决阅读理解问题。我们开发了一个由人类教师评估的合成辅导对话数据集，并使用该数据集微调了较小的 LLM。此外，我们进行了交互式实验，比较了微调模型与较大模型在实际辅导场景中的性能。我们的结果表明，微调后的模型在性能上与较大模型持平，但成本更低，为在教育环境中实施基于 LLM 的辅导系统提供了可行且高性价比的方案。
引用
@article{arxiv.2410.19231,
title = {Developing a Tutoring Dialog Dataset to Optimize LLMs for Educational Use},
author = {Menna Fateen and Tsunenori Mine},
journal= {arXiv preprint arXiv:2410.19231},
year = {2024}
}