机构名称：
¥ 1.0
2023 年，我们在哈佛大学 CS50 中开发并部署了基于 AI 的工具，为学生提供全天候互动帮助，师生比例接近 1:1。这些工具提供代码解释、风格建议和课程相关查询的响应，模拟人类教育者培养批判性思维。但是，保持与教学目标的一致性具有挑战性，尤其是在频繁更新底层大型语言模型 (LLM) 的情况下。因此，我们提出了一种使用协作的人机协同方法持续改进基于 LLM 的系统的方法。我们引入了一个系统的评估框架来评估和改进基于 AI 的导师的表现，结合了人工评分和模型评分。通过使用少量提示和微调，我们旨在确保我们的 AI 工具采用符合教学法的教学风格。使用小型高质量数据集进行微调已显示出与教学目标保持一致的显着改进，这通过多轮对话评估得到证实。此外，我们的框架包括一个模型评估后端，教学助理会定期审查，确保 AI 系统保持有效并与教学目标保持一致。本文深入了解了我们的方法以及这些 AI 工具对 CS50 的影响，并为教育中的 AI 讨论做出了贡献，展示了可扩展的个性化学习增强功能。
改进 CS50 中的 AI - 计算机科学
主要关键词
相关文件推荐
