arXiv · cs.AI· Yuan An, Emily Wang, Benjamin Wang, Ruhma Hashmi·· 5 小时前
SSKG用随机学生知识图谱提升LLM学生模拟的掌握程度区分能力
From Mastery Profile to Simulated Response: Stochastic Student Knowledge Graphs (SSKG) for Faithful LLM Student Simulation
arXiv:2608.21668v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yuan An, Emily Wang, Benjamin Wang, Ruhma Hashmi
研究任务与主要进展
Yuan An、Emily Wang、Benjamin Wang和Ruhma Hashmi提出随机学生知识图谱（SSKG），通过采样知识图谱三元组的掌握概率决定答题结果，再让LLM生成与结果一致的理由。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org