面向算法追踪与问题解决的检索增强式辅导
人工智能
2026-05-14 v1 计算机与社会
信息检索
摘要
学习算法的学生通常需要支持以理解 trace、调试推理错误并将程序应用于不熟悉的问题情境。本文提出了 KITE（Knowledge-Informed Tutoring Engine），一种基于检索增强生成（RAG）的智能辅导系统，旨在作为算法推理和问题解决任务的课堂教学助理。KITE 使用意图感知的苏格拉底式响应策略，以针对不同学生需求提供针对性提示、引导性问题和渐进式 scaffolding，以强化学生的算法问题解决能力。为确保响应与课程内容保持一致，KITE 使用多模态 RAG 流程从课程材料中检索相关信息。我们采用三种形式的评估：基于 RAGAs 的指标用于评估 response 的 grounding 与质量、专家评估教学质量，以及模拟学生管道，其中较弱的语言模型在与 KITE 进行二轮对话后会生成修正后的答案。结果表明，KITE 产生了情境相关且教学上合适的响应。进一步地，通过模拟学生，KITE 的反馈帮助学生模型在程序和 trace 类问题上生成更准确的后续响应，表明其 scaffolding 能够支持算法问题解决。该工作贡献了一个辅导架构和一种用于评估检索 grounding 解释和 scaffolded 问题解决反馈的评估方法。
引用
@article{arxiv.2605.12988,
title = {Retrieval-Augmented Tutoring for Algorithm Tracing and Problem-Solving in AI Education},
author = {Mragisha Jain and Tirth Bhatt and Griffin Pitts and Aum Pandya and Peter Brusilovsky and Narges Norouzi and Arto Hellas and Juho Leinonen and Bita Akram},
journal= {arXiv preprint arXiv:2605.12988},
year = {2026}
}
备注
Paper accepted to the 21st Workshop on Innovative Use of NLP for Building Educational Applications (BEA 2026), co-located with ACL 2026