บอกลาการถามตอบครั้งเดียว: DeepTutor v1.5 โอเพนซอร์สจากมหาวิทยาลัยฮ่องกง เปิดใช้งานการทำงานแบบวงจรการสอนและการทดสอบพร้อมกัน

ตามการติดตามของ Dongcha Beating เมื่อโมเดลขนาดใหญ่ทำหน้าที่เป็นติวเตอร์ส่วนตัว มักจะทำได้แค่ "ถาม-ตอบ" เท่านั้น ไม่สามารถติดตามแนวคิดของผู้เรียนและข้อผิดพลาดเพื่อให้คำแนะนำอย่างต่อเนื่องได้ ห้องปฏิบัติการข้อมูลอัจฉริยะแห่งมหาวิทยาลัยฮ่องกง (HKUDS) ได้เปิดตัว DeepTutor v1.5 ซึ่งเป็นเอเจนต์ติวเตอร์อัจฉริยะแบบโอเพนซอร์ส ที่รวมหกขั้นตอน ได้แก่ แชท (Chat) แบบทดสอบ (Quiz) การวิจัย (Research) การสร้างภาพเคลื่อนไหว (Visualize) การแก้ปัญหา (Solve) และการวางแผนเส้นทางความเชี่ยวชาญ (Mastery Path) เข้าไว้ในวงจรการทำงานของเอเจนต์เดียวกัน ซึ่งหมายความว่าเมื่อผู้เรียนสลับภารกิจ เอ็นจิ้นเบื้องหลังไม่จำเป็นต้องหยุดชะงักและรีเซ็ต บริบทการเรียนรู้และหน่วยความจำแบบหลายความละเอียดจะซิงโครไนซ์และไหลเวียนโดยอัตโนมัติ

เพื่อให้เกิดการสอนตามความสามารถอย่างแท้จริง DeepTutor ได้นำกลไกการติดตามป่าไม้ (Tracking Forest) มาใช้ โดยเปลี่ยนเส้นทางการโต้ตอบให้เป็นกราฟหลายความละเอียด และกลั่นกรองโปรไฟล์นักเรียนเสมือนที่พัฒนาอย่างต่อเนื่อง ทำให้ทุกข้อสรุปการสอนที่ AI ให้สามารถย้อนกลับไปยังหลักฐานข้อความหรือบันทึกข้อผิดพลาดเฉพาะได้ในทุกระดับชั้น

ผลการประเมินแสดงให้เห็นว่า DeepTutor สามารถเพิ่มตัวชี้วัดการสอนเฉพาะบุคคลได้เฉลี่ย 10.8% และเพิ่มความสามารถในการให้เหตุผลทั่วไปของโมเดลขนาดใหญ่กระแสหลักได้ 29.4% อย่างไรก็ตาม ค่าใช้จ่ายในการรบกวนจากการสอนแบบแจ้งเตือนเชิงรุกในระยะยาว และประสิทธิภาพการปรับตัวของผู้ใช้จริงต่อเส้นโค้งการลืม ยังคงต้องอาศัยการศึกษาพฤติกรรมศาสตร์ในระยะยาวเพื่อตรวจสอบ