SSKG方法让LLM模拟不同掌握度学生
热点事件持续更新
SSKG方法让LLM模拟不同掌握度学生
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
针对大语言模型（LLM）无论设定何种水平都倾向以满能力作答的问题，Yuan An等作者提出基于随机学生知识图谱（SSKG）的方法，用于忠实模拟不同掌握水平的学生行为。 研究者称，实验中三个LLM在五个掌握度等级的SAT题上准确率仍达96.8%至100%，即模型难以按设定表现出低掌握度。SSKG方法据此利用LLM的不同能力来生成模拟作答。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
从掌握度画像到模拟作答：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从掌握度画像到模拟作答：用随机学生知识图谱（SSKG）实现忠实的 LLM 学生模拟
针对 LLM 无论设定何种水平都倾向以满能力作答的问题（三个 LLM 在五个掌握度等级的 SAT 题上准确率仍达 96.8-100%），研究者提出基于随机学生知识图谱（SSKG）的方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。