机构名称：
¥ 1.0
本文重点介绍如何使用大型语言模型来帮助助教回答大型学生论坛（如 Piazza 和 EdSTEM）上的问题。由于这些论坛上的学生问题通常与机构、教师和课程传授的特定方面密切相关，因此通用的 LLM 不能直接完成这项任务。我们引入了 RetLLM-E，一种结合文本检索和提示方法的方法，使 LLM 能够对学生的问题提供精确且高质量的答案。当向学生提出问题时，我们的系统会启动一个两步过程。首先，它从 (i) 课程教师提出的学生问题数据集（问答检索）和 (ii) 课程材料的相关部分（文档检索）中检索相关上下文。然后，RetLLM-E 使用检索到的文本和精心设计的提示结构提示 LLM，以得出针对学生问题优化的答案。我们进行了一系列定量和人工评估实验，将我们的方法与学生实际问题测试集中的问题的真实答案进行了比较。结果表明，与没有上下文或仅依赖基于检索的上下文的 LLM 相比，我们的方法对课程相关问题的回答质量更高。RetLLM-E 可以轻松应用于不同的课程，为教师和学生提供上下文感知的自动响应。
RetLLM-E：问题检索提示策略......
主要关键词
相关文件推荐
