探索协作大型语言模型代理在数学问题解决中的沟通策略-计算机科学-大语言模型-沟通策略-人工智能.pdfVIP

探索协作大型语言模型代理在数学问题解决中的沟通

策略

LiangZhang,XiaomingZhai,

JionghaoLin,JenniferKleiman,

DiegoZapata-Rivera,Carol

Forsyth,YangJiang,Xiangen

Hu,andArthurC.Graesser

InstituteforIntelligentSystems,UniversityofMemphis,Memphis,TN,USA

本DepartmentofElectricalandComputerEngineering,UniversityofMemphis,

译Memphis,TN,USA

{lzhang13}@

中AI4STEMEducationCenter,UniversityofGeorgia,Athens,GA,USA

1NationalGENIUSCenter,Athens,GA,USA

v

3DepartmentofMathematics,Science,andSocialStudiesEducation,Universityof

5Georgia,Athens,GA,USA

7

7{Xiaoming.Zhai}@

1FacultyofEducation,TheUniversityofHongKong,HongKong,PRChina

.

7EducationalTestingService,Princeton,NJ,USA

0DepartmentofAppliedSocialSciences,HongKongPolytechnicUniversity,Hong

5

2Kong,PRChina

:DepartmentofPsychology,UniversityofMemphis,Memphis,TN,USA

v

i

x

r

a

摘要大型语言模型（LLM）代理在AI辅助教育中越来越多地被用于支持

辅导和学习。LLM代理之间的有效沟通策略可以提高协作解决问题的效

率，并促进教育中的成本效益采纳。然而，很少有系统性研究评估不同沟

通策略对代理问题解决的影响。我们的研究考察了四种通信模式，师生互

动、点对点协作、互惠同伴教学和关键辩论，在使用OpenAIGPT-4o模

型的双代理、基于聊天的数学问题解决环境中