論文の概要: WIP: LLM Odyssey: A Game-Based Platform for Teaching LLM Engineering Concepts
- arxiv url: http://arxiv.org/abs/2608.16924v1
- Date: Tue, 04 Aug 2026 21:16:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-23 14:54:39.976048
- Title: WIP: LLM Odyssey: A Game-Based Platform for Teaching LLM Engineering Concepts
- Title（参考訳）: WIP: LLM Odyssey: LLMエンジニアリングコンセプトを教えるゲームベースのプラットフォーム
- Abstract要約: このWIP(Work-in-progress)イノベーティブなプラクティスカテゴリは、LLM Odysseyというオープンソースのブラウザベースの本格的なゲームプラットフォームで、LLM(Large Language Model)のエンジニアリング概念を教える。
トークン化、トランスフォーマーアーキテクチャ、プロンプトエンジニアリング、検索拡張生成(RAG)、生産展開といったトピックは、コンピュータサイエンスのカリキュラムでは不足している。
それぞれのゲームには、文献から引き出された5つの教育戦略が含まれており、即時的な形式的フィードバック、近縁開発ゾーンに根ざした足場付きヒント、フロー理論によって知らされる進歩的困難、認知負荷を管理するための例、生産の実践から引き出された真正なシナリオである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work-in-progress (WIP) innovative practice category paper presents LLM Odyssey, an open source, browser-based serious gaming platform comprising 13 interactive games for teaching Large Language Model (LLM) engineering concepts. Topics such as tokenization, transformer architecture, prompt engineering, retrieval augmented generation (RAG), and production deployment are underrepresented in computer science curricula. Existing interactive tools address individual concepts but lack pedagogical scaffolding or structured learning pathways. LLM Odyssey addresses this gap through three learning tiers aligned with Bloom's revised taxonomy: Cognitive Core (7 foundational games), Systems Forge (5 production engineering games), and Foundry Arena (capstone challenges). Each game incorporates five pedagogical strategies drawn from the literature: immediate formative feedback, scaffolded hints grounded in the Zone of Proximal Development, progressive difficulty informed by flow theory, worked examples to manage cognitive load, and authentic scenarios drawn from production practice. The platform was deployed in Winter 2026 semester at a Canadian college for an initial review. Feedback confirmed functional requirements and identified adaptive difficulty as a priority for future development. A formal mixed methods evaluation protocol (N=50) has been designed, comprising pre and post knowledge tests, validated surveys, engagement analytics, and interviews, and is documented here to enable future evaluation studies with the publicly available platform.
- Abstract（参考訳）: このワーク・イン・プログレス(WIP)のイノベーティブな実践カテゴリの論文は、LLM(Large Language Model)エンジニアリング概念を教えるための13のインタラクティブゲームからなる、オープンソースのブラウザベースの本格的なゲームプラットフォームであるLLM Odysseyを提示する。
トークン化、トランスフォーマーアーキテクチャ、プロンプトエンジニアリング、検索拡張生成(RAG)、生産展開といったトピックは、コンピュータサイエンスのカリキュラムでは不足している。
既存のインタラクティブツールは個々の概念に対処するが、教育的な足場や構造化学習経路は欠如している。
LLM Odyssey氏はこのギャップを,Bloomの改訂された分類体系であるCognitive Core(7つの基本ゲーム),Systems Forge(5つの生産エンジニアリングゲーム),Foundry Arena(キャップストーンチャレンジ)という3つの学習層を通じて解決している。
それぞれのゲームには、文献から引き出された5つの教育戦略が含まれており、即時的な形式的フィードバック、近縁開発ゾーンに根ざした足場付きヒント、フロー理論によって知らされる進歩的困難、認知負荷を管理するための例、生産の実践から引き出された真正なシナリオである。
このプラットフォームは、最初のレビューのために2026年の冬にカナダのカレッジに配備された。
フィードバックは機能要件を確認し、将来の開発の優先事項として適応困難を特定した。
プレ/ポスト知識テスト、検証済み調査、エンゲージメント分析、インタビューを含む形式的混合手法評価プロトコル(N=50)が設計され、公開プラットフォームによる将来の評価研究を可能にするために、ここで文書化されている。
関連論文リスト
- Oops, Not Now: PEARL, a RAG-Based Support Agent for Gameplay and What Players Want from AI Help [16.68356031030621]
AIを利用したゲームプレイ支援エージェントは、ゲームベースの学習を約束するが、構造化されたゲームデータに生成モデルを基礎付けることは、依然としてオープンな課題である。
本稿では、意味的知識検索と構造的ボード状態マッチングを組み合わせた二重成分検索拡張生成システムPEARLを提案する。
PEARLは2つの入力ストリーム(自然言語クエリとボードトポロジー)で動作し、ゲームプレイの動きの概念的説明とピア生成されたボード状態の両方を証拠として検索する。
論文 参考訳（メタデータ） (2026-09-12T05:05:29Z) - Hypergamigication Through Integrating Game Engines and Learning Management Systems: Ender's Game [0.0]
LMSコンテンツを用いてゲーム環境を生成する双方向統合を提案する。
Blackboard統合用のインポート可能なUnityパッケージのパイロット実装が実演されている。
論文 参考訳（メタデータ） (2026-07-31T11:17:06Z) - Prober.ai: Gated Inquiry-Based Feedback via LLM-Constrained Personas for Argumentative Writing Development [0.5352419666794658]
Prober.aiは、従来のAIチューニングパラダイムを逆転するWebベースの書き込み環境である。
学生用テキストの生成や書き直しよりも、ペルソナ固有のシステムプロンプトを通じてLLMを制約する。
論文 参考訳（メタデータ） (2026-05-07T02:32:01Z) - Playsemble: Learning Low-Level Programming Through Interactive Games [6.174988590679205]
Playsembleはゲーム化された学習システムで、アセンブリ命令をインタラクティブなゲームライクなタスクに変換する。
この結果から,Playsembleは活発な実験,持続的エンゲージメント,深い概念的理解を促進することが示唆された。
論文 参考訳（メタデータ） (2026-02-09T06:31:44Z) - An Anatomy of Vision-Language-Action Models: From Modules to Milestones and Challenges [87.35344276973537]
VLA(Vision-Language-Action)モデルは、ロボット工学の革命を駆動し、機械が指示を理解し、物理的な世界と対話することを可能にする。
この調査は、VLAのランドスケープを明確かつ構造化したガイドを提供する。
論文 参考訳（メタデータ） (2025-12-12T08:22:03Z) - AI-driven formative assessment and adaptive learning in data-science education: Evaluating an LLM-powered virtual teaching assistant [6.874351093155318]
VITA(Virtual Teaching Assistants)は、大規模言語モデル(LLM)を搭載したボット(BotCaptain)を組み込んだ適応型分散学習プラットフォームである。
記事では、チャットログをExperience API(xAPI)ステートメントに変換するエンドツーエンドのデータパイプラインについて説明する。
今後の作業は、プラットフォームの適応的なインテリジェンスを洗練し、さまざまな教育環境に適用性を検討する。
論文 参考訳（メタデータ） (2025-09-17T11:27:45Z) - Playpen: An Environment for Exploring Learning Through Conversational Interaction [84.0413820245725]
本研究は,対話ゲームが学習のフィードバック信号の源として機能するかどうかを考察する。
本稿では,対話ゲームによるオフラインおよびオンライン学習環境であるPlaypenを紹介する。
SFTによる模倣学習は、目に見えないインスタンスのパフォーマンスを向上させるが、他のスキルに悪影響を及ぼす。
論文 参考訳（メタデータ） (2025-04-11T14:49:33Z) - Cross-Data Knowledge Graph Construction for LLM-enabled Educational Question-Answering System: A Case Study at HCMUT [2.8000537365271367]
大規模言語モデル(LLM)は活発な研究トピックとして現れている。
LLMはイベントの記憶、新しい情報の導入、ドメイン固有の問題や幻覚への対処において課題に直面している。
本稿では,複数のデータソースから知識グラフを自動的に構築する手法を提案する。
論文 参考訳（メタデータ） (2024-04-14T16:34:31Z) - A Survey on Large Language Model-Based Game Agents [35.34074811680046]
ゲームエージェントは、人工知能に関連する能力を探索するための貴重なテストベッドを提供する。
近年、LLM(Large Language Models)の出現は、これらのエージェントに一般化可能な推論を与える新たな機会を提供する。
この調査は、統一された参照アーキテクチャを通して、LLMベースのゲームエージェントの最新のレビューを提供する。
論文 参考訳（メタデータ） (2024-04-02T15:34:18Z) - DoraemonGPT: Toward Understanding Dynamic Scenes with Large Language Models (Exemplified as A Video Agent) [73.10899129264375]
本稿では,LLMによる動的シーン理解のための包括的かつ概念的にエレガントなシステムであるドラモンGPTについて検討する。
質問/タスクのあるビデオが与えられた場合、DoraemonGPTは入力されたビデオをタスク関連の属性を格納するシンボリックメモリに変換することから始める。
我々は,DoraemonGPTの有効性を,3つのベンチマークといくつかのアプリ内シナリオで広範囲に評価した。
論文 参考訳（メタデータ） (2024-01-16T14:33:09Z) - Large Language Models for Generative Information Extraction: A Survey [89.71273968283616]
大規模言語モデル(LLM)は、テキスト理解と生成において顕著な能力を示した。
各種IEサブタスクと技術の観点から,これらの作品を分類して概観する。
我々は,最も先進的な手法を実証的に分析し,LLMによるIEタスクの出現傾向を明らかにする。
論文 参考訳（メタデータ） (2023-12-29T14:25:22Z) - SPRING: Studying the Paper and Reasoning to Play Games [102.5587155284795]
我々は,ゲーム本来の学術論文を読み取るための新しいアプローチ,SPRINGを提案し,大言語モデル(LLM)を通してゲームの説明とプレイの知識を利用する。
実験では,クラフトオープンワールド環境の設定下で,異なる形態のプロンプトによって引き起こされる文脈内「推論」の品質について検討した。
我々の実験は、LLMが一貫したチェーン・オブ・シークレットによって誘導されると、洗練された高レベル軌道の完成に大きな可能性があることを示唆している。
論文 参考訳（メタデータ） (2023-05-24T18:14:35Z) - Pre-Trained Language Models for Interactive Decision-Making [72.77825666035203]
目的と観測を埋め込みのシーケンスとして表現する模倣学習の枠組みを述べる。
このフレームワークは様々な環境にまたがって効果的な一般化を可能にすることを実証する。
新たなゴールや新しいシーンを含むテストタスクでは、言語モデルによる初期化ポリシーはタスク完了率を43.6%改善する。
論文 参考訳（メタデータ） (2022-02-03T18:55:52Z)
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。