浙江大学杨易教授团队：大语言模型和领域特定模型协作的智慧教育方法

浙江大学杨易教授团队在FITEE 2024年25卷第3期发表论文，提出了一种名为“大语言模型（LLM）与领域特定模型（DSM）协作框架（LDMC）”的智慧教育新范式。该框架巧妙地结合了大语言模型的通用知识和领域特定模型的专业知识，并融入教育学理论，通过强化学习动态调整模型权重，实现个性化、精准的自适应学习。LDMC框架有效解决了大语言模型知识过时和幻觉等问题，并提升了智能教育的水平和适应性，在小组学习、个性化学习内容生成和课堂管理等方面展现出巨大潜力，实验结果也验证了其显著的有效性。

浙江大学杨易教授团队在FITEE 2024年25卷第3期发表文章，提出一种名为“大语言模型（LLM）与领域特定模型（DSM）协作框架（LDMC）”的智能教育新范式。该框架旨在整合多种模型优势，为学生提供个性化、精准的自适应学习支持。

现代教育强调个性化、精准化和无处不在的学习指导。领域特定模型在专业领域表现出色，但知识范围有限，难以处理复杂推理；大语言模型知识广泛，但存在知识过时、幻觉和认知匹配度等问题。LDMC框架巧妙地结合了大语言模型的通用知识、领域特定模型的专业知识以及教育学理论模型，实现优势互补，从而提升智能教育的水平和适应性。

图1 大语言模型与领域特定模型协作（LDMC）框架

LDMC框架融合了多种模型的优势：大语言模型的通用知识、领域特定模型的专业知识以及教育学模型的教学策略，形成多层次知识表达。通过强化学习，实时调整学习风格模型权重，以适应学生个性化需求和学习阶段变化。 该框架将领域特定模型作为轻量模块嵌入大语言模型，通过微调或提示工程提升大语言模型的领域任务能力，并利用领域特定模型的结构化知识来约束大语言模型的输出，减少幻觉，提高专业性。同时，领域特定模型的判别器功能可限制大语言模型生成内容的范围，确保内容符合学科要求和学生的认知水平。

图2 大语言模型（LLM）与领域特定模型（DSM）的合作模式

LDMC框架在多个智能教育场景中具有应用潜力，例如：优化小组学习的协作效率（目标对齐、沟通激励、进度同步）；根据学习风格生成个性化学习内容，支持资源访问、自我评估和终身学习；辅助教师进行课堂管理（规则制定、自动化评估反馈、教案优化）。实验结果表明，完整的LDMC框架在小组学习中的满意度评分（72/90）显著高于单独使用大语言模型（59/90）以及未整合学习风格模型的LDMC框架（62/90）。

今天关于《浙江大学杨易教授团队：大语言模型和领域特定模型协作的智慧教育方法》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！