CoLearn：在人类-人工智能共同学习循环中学习学习者的代理导师

好的辅导会因人而异：它跟踪学习者所知道的内容，注意到他们出错的原因，并提出下一个最有帮助的问题。大多数部署的辅导工具都服务于固定项目库，并将错误答案视为单个信号位。我们推出了 CoLearn，这是一种交互式、代理式辅导，支持迭代辅导循环：学习者练习，系统针对学习者的掌握情况和误解建立有依据的记忆。该记忆会随着证据的积累而更新，并用于生成下一个个性化问题。 CoLearn 具有三个组成部分：(i) 持久的学习者状态记忆，通过贝叶斯知识追踪的软证据变体更新每个主题的掌握情况，其中大型语言模型充当连续观察函数； (ii) 针对学习者最薄弱的主题和反复出现的误解的自适应问题生成； (iii) 证据视图，通过实时进度可视化和盲目 A/B 比较，使个性化可见且可测试。在盲目 A/B 评估中，在 68-69% 的情况下，以这种记忆为条件的问题比非个性化问题更受欢迎，并且在具有隐藏的基本事实掌握的角色模拟中，代理的信念会趋向于学习者的真正掌握。