據動察 Beating 監測，大模型當家教時通常只能「一問一答」，沒法跟著學生的思路和錯題進行連續輔導。香港大學數據智能實驗室（HKUDS）開源了智能體導師 DeepTutor v1.5，把聊天（Chat）、測驗（Quiz）、研究（Research）、動畫（Visualize）、解題（Solve）和規劃（Mastery Path）六個環節併入同一個智能體運行閉環。這意味著學生在切換任務時後臺引擎不需要中斷重置，學習上下文和多分辨率記憶會自動同步流轉。
為了實現真正的因材施教，DeepTutor 引入了追蹤森林機制，將互動軌跡沉澱為多分辨率的圖譜，提煉出動態演進的虛擬學生畫像。這讓 AI 給出的每一步教學結論，都能跨層回溯到具體的文本證據或錯題記錄上。
評測顯示，DeepTutor 能將個性化教學指標平均提升 10.8%，使主流大模型的通用推理能力提高 29.4%。不過，這種主動式提醒教學在長週期下的打擾成本，以及真人用戶對遺忘曲線的實際適應效果，仍需要長期的行為學研究來驗證。
23.64萬 熱度
799.48萬 熱度
11.86萬 熱度
47.96萬 熱度
101.94萬 熱度
告別單次問答：港大開源AI導師DeepTutor v1.5實現教學測驗同環路運行
據動察 Beating 監測，大模型當家教時通常只能「一問一答」，沒法跟著學生的思路和錯題進行連續輔導。香港大學數據智能實驗室（HKUDS）開源了智能體導師 DeepTutor v1.5，把聊天（Chat）、測驗（Quiz）、研究（Research）、動畫（Visualize）、解題（Solve）和規劃（Mastery Path）六個環節併入同一個智能體運行閉環。這意味著學生在切換任務時後臺引擎不需要中斷重置，學習上下文和多分辨率記憶會自動同步流轉。
為了實現真正的因材施教，DeepTutor 引入了追蹤森林機制，將互動軌跡沉澱為多分辨率的圖譜，提煉出動態演進的虛擬學生畫像。這讓 AI 給出的每一步教學結論，都能跨層回溯到具體的文本證據或錯題記錄上。
評測顯示，DeepTutor 能將個性化教學指標平均提升 10.8%，使主流大模型的通用推理能力提高 29.4%。不過，這種主動式提醒教學在長週期下的打擾成本，以及真人用戶對遺忘曲線的實際適應效果，仍需要長期的行為學研究來驗證。