EduDial：构建大规模多轮教师-学生对话语料库
计算与语言
2025-10-16 v1
摘要
最近提出了多个多轮对话基准测试，用于评估大型语言模型（LLM）的对话能力。随着大型语言模型因其深入理解教学背景并提供个性化指导的能力而被广泛认可为推动智能教育的关键技术，构建专门的教师-学生对话基准测试变得尤为重要。为此，我们提出 EduDial，一个全面的多轮教师-学生对话数据集。EduDial 涵盖 345 个核心知识点，包含 34,250 套对话 session，通过教师与学生智能体之间的交互生成。其设计遵循教育目标的布鲁姆分类法，包含十种提问策略，如情境提问、区段proximal development（ZPD）提问和元认知提问，从而更好地捕捉真实课堂互动。此外，我们为不同认知水平的学生设计了差异化的教学策略，从而提供更有针对性的教学指导。基于 EduDial，我们进一步开发 EduDial-LLM 32B，通过训练并提出一个包含十一维度的评估框架，系统性地衡量大型语言模型的教学能力，涵盖整体教学质量和内容质量。在 17 个主流大型语言模型上的实验显示，大多数模型在以学生为中心的教学场景中表现不佳，而我们的 EduDial-LLM 在所有指标上均显著优于所有基线方法。代码已公开于 https://github.com/Mind-Lab-ECNU/EduDial/tree/main。
引用
@article{arxiv.2510.12899,
title = {EduDial: Constructing a Large-scale Multi-turn Teacher-Student Dialogue Corpus},
author = {Shouang Wei and Min Zhang and Xin Lin and Bo Jiang and Zhongxiang Dai and Kun Kuang},
journal= {arXiv preprint arXiv:2510.12899},
year = {2025}
}