본 논문은 대규모 언어 모델(LLM) 기반 지능형 튜터링 에이전트를 활용하여 실제 세계의 복잡한 과제 해결을 위한 개인화된 학습을 제공하는 연구에 초점을 맞추고 있습니다. 특히 코딩 튜터링에 주목하여, 학생의 지식 상태를 추정하는 지식 추적(knowledge tracing)과 과제 완료를 위한 효과적인 안내를 보장하는 단계별 검증(turn-by-turn verification)을 결합한 새로운 에이전트 워크플로우인 Trace-and-Verify (TRAVER)를 제안합니다. 자동 평가 프로토콜인 DICT를 도입하여 제어된 학생 시뮬레이션과 코드 생성 테스트를 통해 튜터 에이전트를 평가하고, TRAVER가 상당히 높은 성공률을 달성함을 실험적으로 보여줍니다. 코딩 튜터링을 예시로 사용하지만, 본 접근 방식은 코딩 영역을 넘어 인간의 과제 학습을 위한 튜터링 에이전트 발전에 대한 귀중한 통찰력을 제공할 수 있습니다.
