論文の概要: DeepTutor: Towards Agentic Personalized Tutoring
- arxiv url: http://arxiv.org/abs/2604.26962v1
- Date: Fri, 10 Apr 2026 17:57:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 02:32:14.248279
- Title: DeepTutor: Towards Agentic Personalized Tutoring
- Title（参考訳）: DeepTutor: エージェントパーソナライズされたチューニングを目指す
- Authors: Bingxi Zhao, Jiahao Zhang, Xubin Ren, Zirui Guo, Tianzhe Chu, Yi Ma, Chao Huang,
- Abstract要約: DeepTutorは、パーソナライズされた学習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。
動的多解像度メモリと静的知識を結合したハイブリッドパーソナライズエンジンを提案する。
また、TutorBotはプロアクティブなマルチエージェント層で、スキルと統合マルチチャネルアクセスを通じてチュータ機能をデプロイする。
- 参考スコア（独自算出の注目度）: 17.49651550264547
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Education represents one of the most promising real-world applications for Large Language Models (LLMs). However, conventional tutoring systems rely on static pre-training knowledge that lacks adaptation to individual learners, while existing RAG-augmented systems fall short in delivering personalized, guided feedback. To bridge this gap, we present DeepTutor, an agent-native open-source framework for personalized tutoring where every feature shares a common personalization substrate. We propose a hybrid personalization engine that couples static knowledge grounding with dynamic multi-resolution memory, distilling interaction history into a continuously evolving learner profile. Moreover, we construct a closed tutoring loop that bidirectionally couples citation-grounded problem solving with difficulty-calibrated question generation. The personalization substrate further supports collaborative writing, multi-agent deep research, and interactive guided learning, enabling cross-modality coherence. To move beyond reactive interfaces, we introduce TutorBot, a proactive multi-agent layer that deploys tutoring capabilities through extensible skills and unified multi-channel access, providing consistent experience across platforms. To better evaluate such tutoring systems, we construct TutorBench, a student-centric benchmark with source-grounded learner profiles and a first-person interactive protocol that measures adaptive tutoring from the learner's perspective. We further evaluate foundational agentic reasoning abilities across five authoritative benchmarks. Experiments show that DeepTutor improves personalized tutoring quality while maintaining general agentic reasoning abilities. We hope DeepTutor provides unique insights into next-generation AI-powered and personalized tutoring systems for the community.
- Abstract（参考訳）: 教育は、Large Language Models (LLM) のための最も有望な現実世界のアプリケーションの一つである。
しかし,従来の学習システムは,個別の学習者への適応に欠ける静的事前学習の知識に頼っている。
このギャップを埋めるために、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学習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を紹介します。
本稿では,動的マルチレゾリューションメモリと静的知識を組み合わせ,対話履歴を連続的に進化する学習者プロファイルに抽出するハイブリッドパーソナライズエンジンを提案する。
さらに,難解な質問生成を伴う引用接地問題解決を双方向に結合する閉学習ループを構築した。
パーソナライゼーション基板は、協調的な書き込み、マルチエージェントディープリサーチ、インタラクティブなガイド付き学習をサポートし、モダリティ間のコヒーレンスを可能にする。
リアクティブインターフェースを超えて、拡張可能なスキルと統合されたマルチチャネルアクセスを通じてチュータ機能をデプロイし、プラットフォーム間で一貫したエクスペリエンスを提供する、プロアクティブなマルチエージェント層であるTutorBotを紹介します。
このような学習システムを評価するために,学習者プロファイルをベースとした学生中心のベンチマークであるTutorBenchと,学習者の視点から適応的学習を計測する対話型プロトコルを構築した。
さらに,5つの信頼性ベンチマークにおいて,基礎的エージェント推論能力を評価する。
実験により、DeepTutorは一般的なエージェント推論能力を維持しながら、パーソナライズされた学習品質を向上させることが示された。
DeepTutorは、コミュニティのために、次世代のAIでパーソナライズされた教育システムに関するユニークな洞察を提供してくれることを願っている。
関連論文リスト
- AgentTutor: Empowering Personalized Learning with Multi-Turn Interactive Teaching in Intelligent Education Systems [11.202091624300062]
AgentTutorは、パーソナライズされた学習を促進する多ターンインタラクティブな知的教育システムである。
LLMを利用した生成型マルチエージェントシステムと学習者固有の学習プロファイル環境を備えている。
カリキュラムの分解、学習者評価、動的戦略、リフレクションの指導、知識と経験記憶の5つの重要なモジュールが含まれている。
論文 参考訳（メタデータ） (2025-12-24T12:26:28Z) - CATArena: Evaluation of LLM Agents through Iterative Tournament Competitions [49.02422075498554]
大言語モデル(LLM)エージェントは、基本的なテキスト生成から、外部ツールとのインタラクションを通じて、複雑なタスクを自律的に完了するまで進化してきた。
本研究では,人間レベルインテリジェンスに向けたエージェント進化のコアドライバとして,自己改善とピアラーニングの両方を含む学習能力の重要性を強調した。
本稿では,反復的かつ競合的なピアラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-30T15:22:53Z) - MathTutorBench: A Benchmark for Measuring Open-ended Pedagogical Capabilities of LLM Tutors [82.91830877219822]
我々は、総合的なチューリングモデル評価のためのオープンソースのベンチマークであるMathTutorBenchを紹介する。
MathTutorBenchには、ダイアログベースの教育における科学の研究によって定義された、家庭教師の能力をカバーするデータセットとメトリクスが含まれている。
閉鎖的およびオープンウェイトなモデルの幅広いセットを評価し、問題解決能力によって示される課題の専門知識が、すぐには良い教育に変換されないことを発見した。
論文 参考訳（メタデータ） (2025-02-26T08:43:47Z) - VTutor: An Open-Source SDK for Generative AI-Powered Animated Pedagogical Agents with Multi-Media Output [10.419430731115405]
本稿では、生成AIと高度なアニメーション技術を組み合わせたオープンソースのソフトウェア開発キットVTutorを紹介する。
VTutorを使えば、研究者や開発者は感情的に共鳴し、文脈的に適応的な学習エージェントを設計できる。
このツールキットは、教育において信頼できるAI原則を推進しながら、学習者のエンゲージメント、フィードバック受容性、人間とAIの相互作用を強化する。
論文 参考訳（メタデータ） (2025-02-06T14:27:54Z) - Towards Educator-Driven Tutor Authoring: Generative AI Approaches for Creating Intelligent Tutor Interfaces [0.31873871499564926]
我々は、教師インターフェイス作成において、教育者を支援するための生成AI機能を導入する。
提案手法では,Large Language Models (LLM) を利用して,チューターのレイアウトと内容を生成する。
小規模比較では,教師インタフェース設計の効率を高めるためのアプローチの可能性を示している。
論文 参考訳（メタデータ） (2024-05-23T15:46:10Z) - Apprentice Tutor Builder: A Platform For Users to Create and Personalize Intelligent Tutors [0.5762045049964718]
Apprentice Tutor Builder (ATB)は、チューターの作成とパーソナライズを簡単にするプラットフォームである。
インストラクタはABBのドラッグアンドドロップツールを使ってチューターインターフェースを構築することができる。
エンドユーザーを対象に,14名のインストラクターによるユーザスタディを行い,ABBの設計の有効性について検討した。
論文 参考訳（メタデータ） (2024-04-11T16:14:23Z) - Co-Supervised Learning: Improving Weak-to-Strong Generalization with
Hierarchical Mixture of Experts [81.37287967870589]
我々は,一貫した生徒を統括する,一貫した一貫した教師ではなく,多様な専門教師の集合を活用することを提案する。
我々のアプローチは、古典的な階層的な専門家の混合に似ている。
提案手法は,OpenAIの弱強ベンチマークと追加のマルチドメインデータセットを用いて,視覚認識タスクにより検証する。
論文 参考訳（メタデータ） (2024-02-23T18:56:11Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳（メタデータ） (2023-09-15T02:42:03Z) - Teachable Reinforcement Learning via Advice Distillation [161.43457947665073]
外部教師が提供した構造化アドバイスから学習する「教育可能な」意思決定システムに基づく対話型学習のための新しい指導パラダイムを提案する。
我々は、アドバイスから学ぶエージェントが、標準的な強化学習アルゴリズムよりも人的監督力の少ない新しいスキルを習得できることを示す。
論文 参考訳（メタデータ） (2022-03-19T03:22:57Z)
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。