दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

InqEduAgent: अनुकूली AI लर्निंग, गॉसियन प्रोसेस ऑग्मेंटेशन के साथ साझेदारी करता है

Created by
  • Haebom

लेखक

तियान-फैंग झाओ, वेन-शी यांग, गुआन लियू, लियांग यांग

रूपरेखा

यह शोधपत्र InqEduAgent का प्रस्ताव करता है, जो पूछताछ-आधारित शिक्षा में प्रभावी शिक्षण साझेदार मिलान के लिए एक बड़े पैमाने के भाषा मॉडल (LLM) पर आधारित एक एजेंट मॉडल है। InqEduAgent शिक्षार्थियों के पूर्व ज्ञान पैटर्न का विश्लेषण करता है और उन्हें एक जनरेटिव एजेंट के माध्यम से इष्टतम शिक्षण साझेदारों से मिलाता है जो वास्तविक दुनिया के शिक्षण वातावरणों में शिक्षार्थियों की संज्ञानात्मक और मूल्यांकनात्मक विशेषताओं को ग्रहण करता है और गॉसियन प्रक्रिया संवर्द्धन का उपयोग करते हुए एक अनुकूली मिलान एल्गोरिथ्म का उपयोग करता है। प्रायोगिक परिणाम दर्शाते हैं कि InqEduAgent विभिन्न ज्ञान-शिक्षण परिदृश्यों और LLM वातावरण में सर्वोत्तम प्रदर्शन करता है। यह मानव-आधारित शिक्षण साझेदारों के बुद्धिमानी से निर्धारण और AI-आधारित शिक्षण साझेदारों के डिज़ाइन में योगदान देता है। कोड, डेटा और परिशिष्ट सार्वजनिक रूप से उपलब्ध हैं।

____T294091_____, Limitations

Takeaways:
पूछताछ-केंद्रित शिक्षा में प्रभावी शिक्षण साझेदार मिलान के लिए एक नया एआई-आधारित मॉडल प्रस्तुत किया गया है।
एलएलएम का उपयोग करके शिक्षार्थियों की विशेषताओं को प्रभावी ढंग से पहचानने और उन्हें इष्टतम साथी के साथ मिलाने की विधि प्रस्तुत करना।
मानव और एआई-आधारित शिक्षण साझेदारों के बुद्धिमान असाइनमेंट के लिए नई संभावनाएं प्रस्तुत करना।
खुले कोड और डेटा के माध्यम से अनुसंधान की पुनरुत्पादनशीलता और मापनीयता सुनिश्चित करना।
Limitations:
वास्तविक विश्व शैक्षिक परिवेशों में सामान्यीकरण का निर्धारण करने के लिए आगे अनुसंधान की आवश्यकता है।
विभिन्न प्रकार की शिक्षण गतिविधियों और शिक्षार्थी विशेषताओं के संबंध में व्यापक परीक्षण की आवश्यकता है।
एलएलएम प्रदर्शन की निर्भरता और पूर्वाग्रह के मुद्दों पर विचार करने की आवश्यकता है।
👍