面向可视化系统的微调大语言模型：教育中自主学习的研究
人机交互
2024-07-31 v1
摘要
大语言模型 (LLMs) 在智能可视化系统中展现出巨大潜力，尤其是在领域特定应用中。将 LLMs 集成到可视化系统中面临诸多挑战，我们将这些挑战归纳为三类对齐：LLMs 与领域问题的对齐、LLMs 与可视化的对齐、以及 LLMs 与交互的对齐。为实现这些对齐，我们提出一个框架并概述一个工作流，指导微调 LLMs 以增强领域特定任务的可视化交互。这些对齐挑战在教育领域尤为关键，因为需要智能可视化系统来支持初学者的自主学习。因此，我们将该框架应用于教育领域，并引入 Tailor-Mind，一个旨在促进人工智能初学者自主学习的交互式可视化系统。基于初步研究的洞察，我们识别了自主学习任务和微调目标，以指导可视化设计与调优数据的构建。我们对可视化与微调 LLMs 的对齐使 Tailor-Mind 更像一个个性化导师。Tailor-Mind 还支持交互式推荐，帮助初学者更好地实现学习目标。模型性能评估和用户研究证实 Tailor-Mind 改善了自主学习体验，有效验证了所提出的框架。
引用
@article{arxiv.2407.20570,
title = {Fine-Tuned Large Language Model for Visualization System: A Study on Self-Regulated Learning in Education},
author = {Lin Gao and Jing Lu and Zekai Shao and Ziyue Lin and Shengbin Yue and Chiokit Ieong and Yi Sun and Rory James Zauner and Zhongyu Wei and Siming Chen},
journal= {arXiv preprint arXiv:2407.20570},
year = {2024}
}