Content Knowledge Identification with Multi-Agent Large Language Models (LLMs)

本文是LLM系列文章，针对《Content Knowledge Identification with Multi-Agent Large Language Models (LLMs)》的翻译。

摘要

教师的数学内容知识（CK）在教师专业发展（PD）项目中具有至关重要的意义和需求。计算机辅助异步PD系统是最近提出的PD技术，旨在帮助教师平等地提高他们的PD，同时减少对成本和时间或地点限制的担忧。然而，目前作为异步PD系统核心技术之一的自动CK识别方法面临着用户响应多样性、高质量注释数据稀缺和预测可解释性低等挑战。为了应对这些挑战，我们提出了一个基于多代理LLM的框架LLMAgentCK，用于评估用户对已识别CK学习目标的响应覆盖率，而无需人工注释。通过利用多智能体LLM在强泛化能力和类人讨论方面的优势，我们提出的LLMAgent CK在现实世界的数学CK数据集MaCKT上展现出了有前景的CK识别性能。此外，我们的案例研究进一步证明了多智能体框架的工作原理。

1 引言

2 相关工作

3 问题定义

4 方法

5 实验

6 案例研究