ELEVATE：设计以人为中心的生成式AI虚拟导师，实现可扩展和包容性教育

生成式人工智能（GenAI），特别是大语言模型（LLM）的出现，正在重塑教育实践，同时也加剧了关于其采用的伦理辩论。迄今为止，主导范式仍然是基于云端的纯文本聊天机器人：一种集中式服务，提供有限的教学控制、对知识源的弱透明性，以及隐私和法规遵从方面的重大风险。这种模式还假定持续连接和经常性的API成本，为许多机构造成了结构性障碍，加剧了现有的数字鸿沟。与此同时，与LLM的教育互动可以从多模态线索和具身存在中受益，需要超越纯文本辅导的界面。在这项工作中，我们提出了ELEVATE（高效LLM教育与虚拟化身教学引擎），这是一个由知识基础设施治理的开发高效GenAI驱动的化身导师的框架。ELEVATE将LLM驱动的对话与具身3D化身相结合，实现多模态交互，并采用本地优先的执行模型，使其能够在消费级硬件上部署。该框架形式化了一个三层设计，将（i）面向学生的虚拟化身交互层，（ii）本地GenAI执行和多模态合成核心，以及（iii）面向教师的治理层分开。我们在真实世界的教育课程中实施并评估了一个工作原型。该系统在标准PC和智能手机上运行，我们提供了系统级性能证据，以展示在现实硬件约束下的响应式交互。最后，我们讨论了负责任采用的社技术性和教学意义，将ELEVATE定位为在异构学校环境中实现隐私保护和包容性GenAI辅导的可扩展途径。