研究者提出SSKG方法模拟学生知识掌握水平
热点事件观察中
研究者提出SSKG方法模拟学生知识掌握水平
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究者提出一种基于随机学生知识图谱（SSKG）的方法，用于让大语言模型更忠实地模拟学生作答。该方法针对的问题是：LLM 模拟学生时往往以自身全部能力作答，而非按学生的实际掌握水平作答。 据作者描述，方法先用 LLM 从课程材料抽取课程知识图谱（CKG），把解题路径拆解为 CKG 三元组并映射错误干扰项，再以掌握概率采样决定作答结果，最后由 LLM 生成与结果一致的解题理由。
AI 根据报道生成 · 1 天前更新
最新进展10月12日 12:00
用随机学生知识图谱 SSKG 实现忠实的 LLM 学生模拟报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AI用随机学生知识图谱 SSKG 实现忠实的 LLM 学生模拟
针对 LLM 模拟学生时总是以自身全部能力作答的问题，研究者提出基于随机学生知识图谱（SSKG）的方法：用 LLM 从课程材料抽取 Curriculum Knowledge Graph（CKG），将解题路径拆解为 CKG 三元组并映射错误干扰项，再以掌握概率采样决定作答结果、由 LLM 生成与结果一致的解题理由。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 1010月12日 13:00
- 近 24 小时变化
- -51%
02.557.510
18:0010月13日06:0012:00
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。