理解大语言模型如何指导 ChatGPT 在物理教育中的使用
物理教育
2024-01-31 v4
摘要
本文旨在实现三个主要功能：（1）为物理教育界介绍大语言模型（LLM）的运作机制；（2）展示一系列说明性示例，演示提示工程（prompt-engineering）技术如何影响 LLM 在物理概念任务上的表现；（3）讨论对 LLM 和提示工程的理解对物理教与学的潜在影响。我们首先总结关于流行的大语言模型聊天机器人（ChatGPT）在物理任务上表现的现有研究。然后我们基本阐述 LLM 的工作原理，说明其运作的基本特性，并讨论其优势与局限。具备这些知识后，我们讨论了在入门物理中使用 ChatGPT-4 生成有用输出的一些挑战，特别关注概念性问题和习题。随后我们提供关于提示工程相关文献的简明概述，并通过说明性示例展示如何运用所选提示工程技术来改善 ChatGPT-4 在入门物理概念问题上的输出。定性研究这些示例进一步揭示了 ChatGPT 的运作方式及其在物理解题中的效用。最后，我们思考本文的见解如何指导 LLM 在物理教与学中的使用。
引用
@article{arxiv.2309.12074,
title = {How understanding large language models can inform the use of ChatGPT in physics education},
author = {Giulia Polverini and Bor Gregorcic},
journal= {arXiv preprint arXiv:2309.12074},
year = {2024}
}