跳到正文
热点事件持续更新

SSKG方法让LLM模拟不同掌握程度学生

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Yuan An等提出随机学生知识图谱(SSKG)方法,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,用于模拟不同掌握程度的学生。 作者称现有LLM模拟学生缺乏区分能力:在五个掌握级别的SAT题目上,三个LLM答题准确率一致达96.8–100%。基线对比中,七个基线方法无法区分不同掌握画像、准确率保持在86.5–100%,而SSKG方法在从低到高掌握画像上的准确率为44.1–85.2%,随掌握程度拉开差距。上述结果基于论文摘要,属作者声称的实验结果。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月12日
  1. arXiv · cs.AI
    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

    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。

本事件热度走势

可比范围当前
9
可比范围峰值
910月12日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。