Content Knowledge Identification with Multi-Agent Large Language Models (LLMs)

本篇文章属于LLM系列内容，旨在对《Content Knowledge Identification with Multi-Agent Large Language Models (LLMs)》这一文献进行语言转换处理。

基于多智能体大型语言模型的内容知识识别

• 摘要
  • 1 引言
  • 2 相关研究
  • 3 问题界定
  • 4 技术路径
  • 5 测试分析
  • 6 实证探讨
  • 7 总结陈述

摘要

在教师专业发展（PD）项目中，数学内容知识（CK）对于教师而言具有极其重要的价值与需求。近年来，计算机辅助的异步PD系统作为一种新型PD技术被提出，其目的是协助教师在不受时间、地点及成本限制的前提下，实现PD水平的均衡提升。然而，当前作为异步PD系统核心技术之一的自动CK识别方法仍面临诸多问题，例如用户反馈的多样性、高质量标注数据的匮乏以及预测结果可解释性较低等挑战。为了解决上述问题，我们设计了一个基于多代理大语言模型（LLM）的框架LLMAgentCK，用于评估用户对已识别CK学习目标的响应覆盖程度，且无需依赖人工标注。借助多智能体LLM在泛化能力与类人讨论方面的优势，所提出的LLMAgentCK在现实场景中的数学CK数据集MaCKT上展现出良好的CK识别效果。同时，我们的案例分析进一步验证了该多智能体框架的实际运行机制。

1