Adeus às perguntas e respostas únicas: O tutor de IA de código aberto da Universidade de Hong Kong, DeepTutor v1.5, realiza a operação simultânea em loop de ensino e teste.

Segundo a monitorização do Beating, quando grandes modelos atuam como tutores, geralmente apenas conseguem "uma pergunta, uma resposta", sem conseguir acompanhar o raciocínio do aluno e os erros para uma orientação contínua. O Laboratório de Inteligência de Dados da Universidade de Hong Kong (HKUDS) lançou o tutor inteligente DeepTutor v1.5 como código aberto, integrando os seis módulos de Chat, Quiz, Research, Visualize, Solve e Mastery Path no mesmo ciclo de funcionamento do agente. Isto significa que, quando o aluno muda de tarefa, o motor de fundo não precisa ser interrompido e reiniciado, e o contexto de aprendizagem e a memória multi-resolução são sincronizados e transferidos automaticamente.

Para realizar verdadeiramente o ensino diferenciado, o DeepTutor introduziu o mecanismo de floresta de rastreamento, que transforma os trajectos de interação em grafos multi-resolução, extraindo um perfil virtual do aluno em evolução dinâmica. Isto permite que cada conclusão pedagógica dada pela IA possa ser retrospectivamente ligada a provas textuais específicas ou registos de erros em diferentes níveis.

A avaliação mostra que o DeepTutor pode melhorar os indicadores de ensino personalizado em média 10,8%, e aumentar a capacidade de raciocínio geral dos grandes modelos dominantes em 29,4%. No entanto, o custo de interrupção deste ensino com alerta proativo a longo prazo, bem como a adaptação real dos utilizadores humanos à curva do esquecimento, ainda necessitam de investigação comportamental a longo prazo para serem validados.