論文の概要: Reinforcement Learning for Special Education: Aligning LLM Tutors to Diverse Learners through Disability-Adaptive Training
- arxiv url: http://arxiv.org/abs/2605.30670v1
- Date: Fri, 29 May 2026 00:04:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 20:56:50.297011
- Title: Reinforcement Learning for Special Education: Aligning LLM Tutors to Diverse Learners through Disability-Adaptive Training
- Title（参考訳）: 特殊教育のための強化学習:障害適応学習による多言語学習者へのLLMチュータの適応
- Abstract要約: インテリジェンスチューターとして大規模言語モデルが展開される傾向にあるが、特別教育のためにそれらを整合させる研究はいまだに残っていない。
最近の研究は、LLM教師に強化学習を適用しているが、これらの手法は障害のある学習者の認知的・コミュニケーション的多様性に対処するものではない。
教育用RLを2つのコンポーネントを通じて特別教育に拡張するフレームワークであるEmph Special-R1を紹介する。
- 参考スコア（独自算出の注目度）: 1.1091582432763736
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Large language models are increasingly deployed as intelligent tutors, yet research on aligning them for special education remains absent. Recent work has applied reinforcement learning to LLM tutors, but these methods target a generic learner in a single domain (mathematics) and do not address the cognitive and communicative diversity of learners with disabilities. We introduce \emph{Special-R1}, a framework that extends pedagogical RL to special education through two components: (1) a two-dimensional adaptive system prompt that couples a difficulty-based support level with a disability-specific teaching style across five disability profiles; and (2) a persona-aware Thinking Reward whose judge rubric is conditioned on the learner's disability profile. On a persona-augmented test set of 690 multi-turn dialogues, our full model raises persona-aware Fit from 6.75 (generic baseline) to 8.40 (+1.65) and SPED-rubric Helpfulness from 0.720 to 0.768, leading on the four-component Total (2.911, +0.064 over the runner-up) while remaining within 0.01 of the strongest variant on the out-of-domain OpenLearnLM benchmark (8.53). Ablations show that the Thinking Reward becomes effective only in combination with adaptive prompting, and that residual weakness on specific learning disability in mathematics motivates targeted multimodal extensions.
- Abstract（参考訳）: インテリジェンスチューターとして大規模言語モデルが展開される傾向にあるが、特別教育のためにそれらを整合させる研究はいまだに残っていない。
最近の研究は、LLM家庭教師に強化学習を適用しているが、これらの手法は単一の領域(数学)における一般的な学習者をターゲットにしており、障害のある学習者の認知的・コミュニケーション的多様性には対処していない。
本研究では,教育的RLを特殊教育に拡張するフレームワークである「emph{ Special-R1}」を紹介した。(1)難易度に基づくサポートレベルと5つの障害プロファイルにまたがる障害特化学習スタイルを結合する2次元適応システム,(2)学習者の障害プロファイルを規定したペルソナ認識思考リワードである。
690個のマルチターンダイアログからなるペルソナ拡張テストセットでは、当社のフルモデルでは、ペルソナ対応フィットを6.75(ジェネリックベースライン)から8.40(+1.65)に引き上げ、SPED-rubric Helpfulnessを0.720から0.768に引き上げました。
アブレーションは、シンキング・リワードは適応的プロンプトと組み合わせて有効になり、数学における特定の学習障害の弱点は、対象とするマルチモーダル拡張を動機付けていることを示している。
関連論文リスト
- Self-Distilled Agentic Reinforcement Learning [65.24201057390938]
自己蒸留型エージェント強化学習は、トークンレベルの信号をシグモノイドゲートにマップする。
SDARはモデルスケール全体のハイブリッドRL--OPSDベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-05-14T17:51:26Z) - New AI-Driven Tools for Enhancing Campus Well-being: A Prevention and Intervention Approach [0.0]
この論文は、予防(フィードバック収集の改善)と介入(メンタルヘルス検出の改善)を通じてギャップに対処する。
予防のために,LLMを利用してコンテキスト認識型会話にユーザをエンゲージするパーソナライズされた調査であるTigerGPTを開発した。
反復性と応答深さの制限に対処するため,強化学習フレームワークであるAURAを導入した。
そこで我々は,DSM-5とPHQ-8をベースとしたLCMであるサイコGPTを開発した。
論文 参考訳（メタデータ） (2026-05-11T16:30:14Z) - From Untamed Black Box to Interpretable Pedagogical Orchestration: The Ensemble of Specialized LLMs Architecture for Adaptive Tutoring [0.0]
教育対話で使用されるモノリシック大規模言語モデル(LLM)は、教育的決定が暗黙的で監査が難しい「ブラックボックス」として振る舞うことが多い。
本稿では,意思決定と発話を分離する特殊化LLMS(ES-LLMS)アーキテクチャについて紹介する。
論文 参考訳（メタデータ） (2026-03-25T06:38:19Z) - Gated Sparse Attention: Combining Computational Efficiency with Training Stability for Long-Context Language Models [0.0]
Gated Sparse Attention (GSA)はスパースとゲートの双方の利点を実現するアーキテクチャである。
GSAは、有界で解釈可能な選択スコアを生成するシグモイドアクティベーションを備えたゲート雷インデクサを組み込んでいる。
論文 参考訳（メタデータ） (2026-01-12T20:33:39Z) - Hierarchical Pedagogical Oversight: A Multi-Agent Adversarial Framework for Reliable AI Tutoring [0.0]
本稿では,構造化された対人合成を教育評価に適用する枠組みである階層的教育監督(HPO)を紹介する。
表面的なコンセンサスに向かって漂う協調的なマルチエージェントシステムとは異なり、HPOは関心事の弁証的分離を強制する。
1,214の中学校数学対話のMRBenchデータセットを用いて,この枠組みを評価する。
論文 参考訳（メタデータ） (2025-12-27T06:42:07Z) - Code-enabled language models can outperform reasoning models on diverse tasks [86.29363856881399]
標準命令LMは, 微調整をせずに, 強力な推論器となりうることを示す。
これはCodeAdaptによって実現され、LMは多段階的なコード実行と自然言語推論をインターリーブする。
CodeAdaptは、平均8タスクで、3つのLMが対応するRMを上回ります。
論文 参考訳（メタデータ） (2025-10-23T18:04:03Z) - MDK12-Bench: A Comprehensive Evaluation of Multimodal Large Language Models on Multidisciplinary Exams [50.293164501645975]
MLLM(Multimodal large language model)は、言語と視覚を統合して問題解決を行う。
MLLMのインテリジェンスを測定するための現在のベンチマークは、限られた規模、狭い範囲、構造化されていない知識に悩まされている。
MDK12-Benchは、6つの分野にまたがる実世界のK-12試験から構築された大規模マルチディシプリナベンチマークである。
論文 参考訳（メタデータ） (2025-08-09T06:21:10Z) - From Problem-Solving to Teaching Problem-Solving: Aligning LLMs with Pedagogy using Reinforcement Learning [82.50157695987558]
大規模言語モデル(LLM)は教育を変換することができるが、直接質問応答のための最適化はしばしば効果的な教育を損なう。
オンライン強化学習(RL)に基づくアライメントフレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-21T15:00:07Z) - Cross-Lingual Consistency: A Novel Inference Framework for Advancing Reasoning in Large Language Models [10.231866835957538]
大型言語モデル(LLM)における推論能力を高める重要なメカニズムとして、Chain-of-Thought(CoT)が登場した。
LLMの推論能力を高めるために,多数決による多言語推論経路を統合した言語間整合性(CLC)フレームワークを提案する。
CMATHデータセットの実証評価により、従来の自己整合性法よりもCLCの方が優れていることが明らかになった。
論文 参考訳（メタデータ） (2025-04-02T16:09:39Z) - SLAM: Towards Efficient Multilingual Reasoning via Selective Language Alignment [78.4550589538805]
本稿では,多言語性を扱うレイヤを正確に識別し,微調整する,効率的な多言語推論アライメント手法を提案する。
実験の結果, SLAM法は7Bおよび13BLLMのパラメータの6.5-8%を含む6層のフィードフォワードサブ層のみをチューニングできることがわかった。
論文 参考訳（メタデータ） (2025-01-07T10:29:43Z) - Law of the Weakest Link: Cross Capabilities of Large Language Models [102.91861246827797]
我々は,Large Language Models (LLMs) が "Law of the Weakest Link" を示すことを示した。
これらの結果は, クロスキャパビリティタスクにおけるLLMの低性能化を浮き彫りにした。
論文 参考訳（メタデータ） (2024-09-30T05:12:01Z)
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。