Прощавай, одноразовий запит-відповідь: відкритий AI-наставник DeepTutor v1.5 від HKU реалізує одночасний цикл навчання та тестування

За даними моніторингу Beating, коли велика модель виступає в ролі домашнього вчителя, вона зазвичай може лише «ставити запитання та відповідати», не маючи змоги проводити безперервне навчання, слідкуючи за думками учня та помилками. Лабораторія інтелектуальних даних Гонконзького університету (HKUDS) випустила у відкритий доступ інтелектуального вчителя DeepTutor v1.5, який об'єднує шість етапів — чат (Chat), тестування (Quiz), дослідження (Research), візуалізацію (Visualize), розв'язування задач (Solve) та планування (Mastery Path) — в єдиний замкнутий цикл роботи агента. Це означає, що при перемиканні завдань студентом не потрібно скидати та перезапускати фоновий двигун, а контекст навчання та багаторезолюційна пам'ять автоматично синхронізуються.

Для реалізації справжнього індивідуального підходу DeepTutor впроваджує механізм «лісового відстеження», який перетворює траєкторії взаємодії на багаторезолюційний граф, виокремлюючи динамічний профіль віртуального учня, що еволюціонує. Це дозволяє кожному навчальному висновку, зробленому ШІ, простежуватися на різних рівнях до конкретних текстових доказів або записів помилок.

За результатами оцінювання, DeepTutor здатний підвищити показники індивідуалізованого навчання в середньому на 10,8%, а загальну здатність до міркування основних великих моделей — на 29,4%. Однак таке активне нагадування під час навчання потребує довгострокових поведінкових досліджень для перевірки витрат на переривання в довгих періодах та фактичної адаптації реальних користувачів до кривої забування.