保持饥饿，保持愚蠢：基于大语言模型的延长阅读文章生成

创建教育材料的过程既耗时又费力。这项研究探索了利用大语言模型（LLM）自动生成延长阅读材料及相关课程建议，以简化这一任务。基于TED-Ed Dig Deeper部分的初始探索，我们研究如何通过上下文知识丰富补充性文章，并将其与额外学习资源相连接。我们的方法从视频 transcript生成延长文章，利用LLM包括历史洞察、文化实例和生动故事。随后，采用语义相似度排序的推荐系统识别相关课程，并通过LLM进行细化以提升相关性。最终的文章针对这些建议进行定制，确保其在整合性和信息性方面保持连贯。实验评估表明，我们的模型产生高质量内容和准确的课程建议，评估指标包括命中率、语义相似度和连贯性。我们的实验分析凸显了生成内容与现有材料之间的细微差异，强调了该模型为提供更具吸引力和可及性学习体验的潜力。该研究表明，LLM如何在核心内容与补充学习资源之间架起桥梁，为学生提供额外的推荐资源，同时帮助教师设计教育材料。