论文翻译：Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challe

Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges
https://arxiv.org/abs/2401.08664

适应大型语言模型于教育：基础能力、潜力与挑战

摘要

在线教育平台利用互联网分发教育资源，旨在提供便捷的教育，但通常在与学生的实时交流中表现不足。它们往往难以解决学生在学习过程中遇到的多样化障碍。解决学生遇到的问题对于传统的深度学习模型来说是一个重大挑战，因为这不仅需要广泛的学科知识，还需要理解构成学生个体困难的因素。这对传统机器学习模型来说具有挑战性，因为它们缺乏理解学生个性化需求的能力。最近，大型语言模型（LLMs）的出现提供了解决这一问题的可能性，通过理解个体请求。尽管LLMs在各个领域都取得了成功，但创建基于LLM的教育系统仍然具有挑战性，因为需要广泛的教育技能。本文回顾了最近出现的与教育能力相关的LLM研究，包括数学、写作、编程、推理和基于知识的问答，目的是探索它们在构建下一代智能教育系统中的潜力。具体来说，对于每种能力，我们专注于调查两个方面。首先，我们检查LLMs在这种能力方