Adiós a las preguntas y respuestas únicas: DeepTutor v1.5, el tutor de IA de código abierto de la Universidad de Hong Kong, implementa el funcionamiento en bucle simultáneo de enseñanza y examen.

Según el monitoreo de Dongcha Beating, cuando los grandes modelos actúan como tutores, generalmente solo pueden "preguntar y responder", sin poder seguir el pensamiento del estudiante y los errores para brindar tutoría continua. El Laboratorio de Inteligencia de Datos de la Universidad de Hong Kong (HKUDS) ha lanzado el tutor inteligente DeepTutor v1.5, que integra seis módulos: Chat, Quiz, Research, Visualize, Solve y Mastery Path en un mismo bucle operativo del agente. Esto significa que cuando los estudiantes cambian de tarea, el motor en segundo plano no necesita interrumpirse ni reiniciarse, y el contexto de aprendizaje y la memoria multirresolución se sincronizan y fluyen automáticamente.

Para lograr una verdadera enseñanza personalizada, DeepTutor introduce el mecanismo de bosque de seguimiento, que condensa las trayectorias de interacción en gráficos multirresolución, extrayendo perfiles de estudiantes virtuales en evolución dinámica. Esto permite que cada conclusión pedagógica dada por la IA pueda rastrearse a través de niveles hasta llegar a evidencia textual específica o registros de errores.

Las evaluaciones muestran que DeepTutor puede mejorar los indicadores de enseñanza personalizada en un promedio del 10.8%, y aumentar la capacidad de razonamiento general de los grandes modelos convencionales en un 29.4%. Sin embargo, el costo de interrupción de esta enseñanza con recordatorios activos a largo plazo, y el efecto real de adaptación de los usuarios humanos a la curva del olvido, aún requieren estudios de comportamiento a largo plazo para su verificación.