Tek seferlik soru-cevap dönemi sona eriyor: Hong Kong Üniversitesi'nin açık kaynaklı AI eğitmeni DeepTutor v1.5, öğretim ve test döngüsünü aynı anda çalıştırabiliyor.

动察 Beating tarafından yapılan izlemeye göre, büyük modeller özel ders verirken genellikle yalnızca "soru-cevap" şeklinde çalışabiliyor ve öğrencinin düşünce akışını veya yanlış yaptığı soruları takip ederek sürekli bir rehberlik sağlayamıyor. Hong Kong Üniversitesi Veri Zekası Laboratuvarı (HKUDS), akıllı eğitmen DeepTutor v1.5'i açık kaynak olarak yayımladı. Bu sistem, Sohbet (Chat), Test (Quiz), Araştırma (Research), Görselleştirme (Visualize), Problem Çözme (Solve) ve Ustalık Yolu (Mastery Path) olmak üzere altı aşamayı tek bir akıllı döngüde birleştiriyor. Bu sayede öğrenci görev değiştirdiğinde arka plan motorunun sıfırlanmasına gerek kalmıyor; öğrenme bağlamı ve çok çözünürlüklü bellek otomatik olarak senkronize bir şekilde akıyor.

Gerçek anlamda bireyselleştirilmiş eğitim sağlamak için DeepTutor, "İzleme Ormanı" mekanizmasını tanıttı. Bu mekanizma, etkileşim izlerini çok çözünürlüklü bir grafik yapısına dönüştürerek dinamik olarak evrilen bir sanal öğrenci profili oluşturuyor. Bu sayede yapay zekanın her adımda sunduğu eğitim çıktıları, katmanlar arasında geriye dönük olarak belirli metin kanıtlarına veya yanlış yapılan soru kayıtlarına kadar izlenebiliyor.

Değerlendirmeler, DeepTutor'ın kişiselleştirilmiş eğitim metriklerini ortalama %10,8 oranında iyileştirdiğini ve ana akım büyük modellerin genel akıl yürütme yeteneğini %29,4 oranında artırdığını gösteriyor. Ancak, bu tür proaktif hatırlatma tabanlı eğitimin uzun vadede yarattığı rahatsızlık maliyeti ve gerçek kullanıcıların unutma eğrisine uyum sağlama konusundaki fiili etkisi, hâlâ uzun süreli davranış bilimi araştırmalarıyla doğrulanmayı bekliyor.