論文の概要: Simulating Classroom Education with LLM-Empowered Agents

• arxiv url: http://arxiv.org/abs/2406.19226v1
• Date: Thu, 27 Jun 2024 14:51:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-28 13:58:17.786762
• Title: Simulating Classroom Education with LLM-Empowered Agents
• Title（参考訳）: LLMエージェントを用いた教室教育のシミュレーション
• Authors: Zheyuan Zhang, Daniel Zhang-Li, Jifan Yu, Linlu Gong, Jinchang Zhou, Zhiyuan Liu, Lei Hou, Juanzi Li,
• Abstract要約: SimClassは、ユーザ参加を含むマルチエージェントの教室シミュレーションフレームワークである。 代表的クラスの役割を認識し、自動授業のための新しいクラス制御機構を導入する。 我々は,LLMが従来の教室のインタラクションパターンを効果的にシミュレートし,ユーザエクスペリエンスを向上させることを実証した。
• 参考スコア（独自算出の注目度）: 52.62324491261461
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) have been employed in various intelligent educational tasks to assist teaching. While preliminary explorations have focused on independent LLM-empowered agents for specific educational tasks, the potential for LLMs within a multi-agent collaborative framework to simulate a classroom with real user participation remains unexplored. In this work, we propose SimClass, a multi-agent classroom simulation framework involving user participation. We recognize representative class roles and introduce a novel class control mechanism for automatic classroom teaching, and conduct user experiments in two real-world courses. Utilizing the Flanders Interactive Analysis System and Community of Inquiry theoretical frame works from educational analysis, we demonstrate that LLMs can simulate traditional classroom interaction patterns effectively while enhancing user's experience. We also observe emergent group behaviors among agents in SimClass, where agents collaborate to create enlivening interactions in classrooms to improve user learning process. We hope this work pioneers the application of LLM-empowered multi-agent systems in virtual classroom teaching.
• Abstract（参考訳）: 大型言語モデル (LLM) は、様々なインテリジェントな教育タスクに採用されている。 予備的な調査は、特定の教育タスクのための独立したLLMエージェントに焦点を当ててきたが、実際のユーザ参加を伴う教室をシミュレートするマルチエージェント協調フレームワークにおけるLLMの可能性は、まだ明らかになっていない。 本研究では,ユーザ参加を伴うマルチエージェント教室シミュレーションフレームワークであるSimClassを提案する。 代表的クラスの役割を認識し、自動授業のための新しいクラス制御機構を導入し、2つの現実世界のコースでユーザー実験を行う。 本研究では, Flanders Interactive Analysis SystemとCommunity of Inquiry理論フレームを教育分析から利用し, LLMが従来の教室のインタラクションパターンを効果的にシミュレートし, ユーザエクスペリエンスを向上させることを実証する。 また,SimClassにおけるエージェント間の創発的グループ行動も観察し,学習プロセスを改善するために,エージェントが協調して教室内での対話を創出する様子を観察した。 本研究は,LLMを利用した仮想教室教育におけるマルチエージェントシステムの先駆的活用を期待する。

関連論文リスト

• Students Rather Than Experts: A New AI For Education Pipeline To Model More Human-Like And Personalised Early Adolescences [11.576679362717478]
  本研究は,仮想学生エージェントをモデル化するための文脈としての言語学習に焦点を当てた。 教師と生徒の個人的交流のデータセットを様々な性格特性でキュレートすることにより,多次元的評価実験を行う。
  論文  参考訳（メタデータ） (2024-10-21T07:18:24Z)
• MathVC: An LLM-Simulated Multi-Character Virtual Classroom for Mathematics Education [19.549398447035376]
  大規模言語モデル(LLM)は、最近、数学的な問題をモデル化し、文字をシミュレートする双方で強力な能力を示した。 複数のLDMを模擬した学生用仮想教室であるMATHVCについて紹介する。 シミュレーションにMMドメイン知識を統合すること、文字シミュレーションの基盤としてシンボルスキーマを定義すること、対話手順を推進するためにプラットフォームレベルでメタプランナを設計すること、の3つの革新を提案する。
  論文  参考訳（メタデータ） (2024-04-10T03:35:51Z)
• ST-LLM: Large Language Models Are Effective Temporal Learners [58.79456373423189]
  大規模言語モデル(LLM)は、テキストの理解と生成において印象的な能力を示した。 ビデオベースの対話システムでビデオを効果的にエンコードし、理解する方法は、まだ解決されていない。 LLM内部の時空間シーケンスをモデル化したビデオLLMベースラインST-LLMを提案する。
  論文  参考訳（メタデータ） (2024-03-30T10:11:26Z)
• Small LLMs Are Weak Tool Learners: A Multi-LLM Agent [73.54562551341454]
  大規模言語モデル(LLM)エージェントはスタンドアロンのLLMの機能を大幅に拡張する。 本稿では、上記の機能をプランナー、呼び出し元、要約器に分解する新しい手法を提案する。 このモジュール化されたフレームワークは、個々の更新と、それぞれの機能を構築するための小さなLLMの潜在的な使用を容易にする。
  論文  参考訳（メタデータ） (2024-01-14T16:17:07Z)
• Experiential Co-Learning of Software-Developing Agents [83.34027623428096]
  大規模言語モデル(LLM)は、特にソフトウェア開発において、様々な領域に大きな変化をもたらした。 本稿では,新しいLLM学習フレームワークであるExperiential Co-Learningを紹介する。 実験では、このフレームワークにより、エージェントは、目に見えないソフトウェア開発タスクをより効果的に対処できることを示した。
  論文  参考訳（メタデータ） (2023-12-28T13:50:42Z)
• Recommender AI Agent: Integrating Large Language Models for Interactive Recommendations [53.76682562935373]
  我々は,LLMを脳として,レコメンダモデルをツールとして使用する,textbfInteRecAgentという効率的なフレームワークを紹介した。 InteRecAgentは会話レコメンデーションシステムとして満足度を達成し、汎用LLMよりも優れる。
  論文  参考訳（メタデータ） (2023-08-31T07:36:44Z)
• CGMI: Configurable General Multi-Agent Interaction Framework [0.0]
  ヒューマンインタラクションを現実のシナリオで再現するために設計された汎用多エージェントインタラクション(CGMI)フレームワーク。 エージェントパーソナリティの割り当て,検出,維持のための木構造的手法を提案する。 また,仮想環境の現実性を高めるために汎用エージェントを統合した。
  論文  参考訳（メタデータ） (2023-08-24T02:03:29Z)
• AgentBench: Evaluating LLMs as Agents [88.45506148281379]
  大規模言語モデル(LLM)は、従来のNLPタスクを超えた現実的な実用的ミッションをターゲットとして、ますます賢く自律的になってきています。 我々は,現在8つの異なる環境からなるベンチマークであるAgentBenchを紹介し,LLM-as-Agentの推論と意思決定能力を評価する。
  論文  参考訳（メタデータ） (2023-08-07T16:08:11Z)
• Parallel Knowledge Transfer in Multi-Agent Reinforcement Learning [0.2538209532048867]
  本稿では,MARL(Parallel Attentional Transfer)における新しい知識伝達フレームワークを提案する。 PAT,学生モード,自己学習モードの2つの動作モードを設計する。 エージェントが環境に不慣れな場合、学生モードにおける共有注意機構は、エージェントの行動を決定するために、他のエージェントからの学習知識を効果的に選択する。
  論文  参考訳（メタデータ） (2020-03-29T17:42:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。