BEAGLE: Behavior-Enforced Agent for Grounded Learner Emulation

Created by

Haebom

저자

Hanchen David Wang, Clayton Cohn, Zifan Xu, Siyuan Guo, Gautam Biswas, Meiyi Ma

💡 개요

본 논문은 개방형 문제 해결 환경에서 학습자의 행동을 모방하는 데 발생하는 LLM의 역량 편향 문제를 해결하기 위해 BEAGLE이라는 신경-상징적 프레임워크를 제안합니다. BEAGLE은 자기 조절 학습(SRL) 이론을 통합하여 인지 행동과 메타인지 행동의 시점 및 전환을 제어하는 반마르코프 모델, 현실적인 지식 격차와 '알려지지 않은 미지'를 강제하는 결함 주입을 포함한 베이지안 지식 추적, 그리고 고의적인 오류를 자체 수정하는 것을 방지하기 위한 분리된 에이전트 설계를 특징으로 합니다. BEAGLE은 실제 학습자 데이터를 성공적으로 재현하며, 인간 튜링 테스트에서 실제 데이터와 구별되지 않는 성능을 보여주었습니다.

🔑 시사점 및 한계

•

LLM의 역량 편향을 극복하고 학습자의 실제 학습 과정을 보다 사실적으로 시뮬레이션할 수 있는 새로운 접근 방식 제시.

•

교육 연구, 적응형 튜터링 시스템 훈련, 교육적 개입 테스트 등 다양한 교육 분야에 적용 가능성이 높음.

•

현재는 Python 프로그래밍 작업에 대해서만 평가되었으므로, 다른 도메인이나 더 복잡한 문제에 대한 일반화 가능성 검증 필요.

PDF 보기

Made with Slashpage