arXiv · cs.AI· Yonggang Li, Boqian Han, Rui Sheng, Yushi Sun, Zixin Chen·· 5 小时前
RegulaTutor：面向长期个性化学习的理论指导框架
RegulaTutor: A Theory-Informed Framework for Long-Term Personalized Learning
arXiv:2610.13399v1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：Yonggang Li, Boqian Han, Rui Sheng, Yushi Sun, Zixin Chen
研究任务与主要进展
RegulaTutor提出一个理论指导的长期个性化辅导框架，将学习者历史证据、学习者解释和教学策略连接起来，并通过CAMM框架生成可追溯证据支持的教学策略。作者称，该方法在评估的模型配置下平均改善了历史证据准确性、学习者诊断和评判的教学质量；PairRoute则利用中间执行记录区分辅导框架、模型及混合失败，并在历史证据获取环节进行针对性改进。
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