Shuyan Huang等提出可解释难度感知对话知识追踪框架
热点事件持续更新
Shuyan Huang等提出可解释难度感知对话知识追踪框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Shuyan Huang等人提出了一种基于大语言模型的可解释难度感知对话知识追踪框架。该框架整合项目反应理论，将LLM输出映射为认知参数，以显式建模学生能力与任务难度。 研究团队在两个导师-学生对话数据集上评估了该框架，结果显示其性能优于现有知识追踪基线，并能生成符合认知理论的可解释预测。该工作已发表于BEA 2026（ACL 2026 Workshop）。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 12:00
基于 LLM 的可解释难度感知对话知识追踪框架报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv cs.CL基于 LLM 的可解释难度感知对话知识追踪框架
该研究提出一种基于 LLM 的可解释难度感知对话知识追踪框架，显式建模学生能力与任务难度。框架整合项目反应理论（Item Response Theory）将 LLM 输出映射为认知参数，在两个导师-学生对话数据集上评估显示，其性能优于现有知识追踪基线，且生成符合认知理论的可解释预测。
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。