DeepTutor：エージェント型パーソナライズ個別指導へ

要旨: 教育は、大規模言語モデル（LLM）の最も有望な実世界応用の1つです。しかし、従来のチュータリングシステムは、個々の学習者に適応できない静的な事前学習知識に依存しています。一方で、既存のRAG（Retrieval-Augmented Generation）を拡張したシステムは、パーソナライズされた、導きのあるフィードバックを提供する点で不十分です。このギャップを埋めるために、私たちは、すべての機能が共通のパーソナライズ基盤を共有する、パーソナライズされたチュータリングのためのエージェントネイティブなオープンソースフレームワークであるDeepTutorを提案します。私たちは、静的な知識の根拠付けと、動的なマルチ解像度メモリを結合するハイブリッドなパーソナライズ・エンジンを提案し、相互作用履歴を、継続的に進化する学習者プロファイルへと蒸留します。さらに、引用に根拠づけられた問題解決と、難易度が調整された質問生成とを、双方向に結び付けるクローズドループのチュータリングを構築します。パーソナライズ基盤は、協調的なライティング、マルチエージェントによる深いリサーチ、インタラクティブなガイド付き学習も支援し、マルチモーダル間の整合性を可能にします。反応型インターフェースを超えるために、私たちはTutorBotを導入します。これは、拡張可能なスキルと統一されたマルチチャネルのアクセスによって、チュータリング機能を展開する、積極的なマルチエージェント層です。これにより、プラットフォームをまたいでも一貫した体験を提供します。このようなチュータリングシステムをより適切に評価するために、私たちはTutorBenchを構築します。TutorBenchは、学習者中心のベンチマークであり、ソースに根拠づけられた学習者プロファイルと、学習者の視点から適応的なチュータリングを測定する一人称のインタラクティブプロトコルを備えています。さらに、5つの権威あるベンチマークにわたり、基礎的なエージェント的推論能力を評価します。実験の結果、DeepTutorは、汎用的なエージェント的推論能力を維持しつつ、パーソナライズされたチュータリングの品質を向上させることが示されました。私たちは、DeepTutorが、コミュニティに対して次世代のAIを活用した、パーソナライズされたチュータリングシステムに関する独自の洞察を提供することを期待しています。