基于知识库 AI 与生成式 AI 的技能型学习提升问答
人工智能
2025-04-11 v1
摘要
支持学习者在线环境中理解所教学技能的理解是一项长期存在的挑战。虽然练习和基于聊天的智能体可以在有限上下文中评估理解，但当学习者寻求深入探讨程序知识 (如何操作) 和推理 (事物为何如此) 的解释时，这一挑战被放大。我们假设，智能体理解和解释学习者关于技能的问题的能力，可通过知识库 AI 框架 TMK (任务-方法-知识) 来显著提升。我们引入了 Ivy，一个利用大语言模型和迭代细化技术生成解释的智能体，生成的解释体现了目的论、因果和组合原理。我们的初始评估表明，这种方法超越了仅依赖非结构化文本的智能体所产生的典型浅层响应，从而在反馈的深度和相关性方面实现了显著提升。这可能会确保学习者在线环境中发展出对关键技能的全面理解，从而更有效地进行问题解决。
引用
@article{arxiv.2504.07463,
title = {Enhanced Question-Answering for Skill-based learning using Knowledge-based AI and Generative AI},
author = {Rahul K. Dass and Rochan H. Madhusudhana and Erin C. Deye and Shashank Verma and Timothy A. Bydlon and Grace Brazil and Ashok K. Goel},
journal= {arXiv preprint arXiv:2504.07463},
year = {2025}
}