arXiv cs.AI· Jingru Fan, Tianle Zhou, Yunjie Zhou, Zihao He, Yixuan Zhou, Kezhao Wu, Xinyu Zheng, Xiyuan Wang, Yuheng Wang, Zhi Li, Songhua Liu, Weinan E, Chen Qian·· 13 小时前AI 评分38
Agentic University：多智能体协作实现个性化学习
Agentic University: Collaborative Agents for Personalized Learning
AI 导读
研究团队提出 Human-Participatory Multi-Agent Organization，并落地为 Agentic University（AU）：学习者作为组织成员与专用智能体协作维护可修订的 Capability Program，串联个人目标、多模态学习活动与分层评估。
正文 · AI 翻译
作者：Jingru Fan、Tianle Zhou、Yunjie Zhou、Zihao He、Yixuan Zhou、Kezhao Wu、Xinyu Zheng、Xiyuan Wang、Yuheng Wang、Zhi Li、Songhua Liu、Weinan E、Chen Qian
摘要：大语言模型可支持个性化辅导、内容生成和自适应学习路径。然而，能力发展需要这些资源和交互构成一个连贯的学习过程，并随学习者不断演进。核心挑战在于对齐目标、活动与评估，同时利用学习证据决定后续内容。我们提出人类参与的多智能体组织（Human-Participatory Multi-Agent Organization），并在 Agentic University（AU）中实例化。在 AU 中，学习者作为组织成员参与，与专门智能体协作维护可修订的能力项目（Capability Program）。该项目连接个人目标、跨模态学习活动和分层评估，同时学习者的反馈与表现指导后续支持。我们的评估显示，其在项目组织、评估设计和修订质量方面具有优势。用户的平均评估提升更大（在 50 分制下为 12.19 分对 5.61 分），并报告了更强的认知支持。这项工作为自适应学习贡献了一种组织方法，使学习者参与成为多智能体协调的持续基础。Agentic University 项目见 \href{此 https URL}。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.40492 [cs.AI] |
| （或 arXiv:2610.40492v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.40492 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Jingru Fan [查看邮箱]
[v1]
2026年10月29日 星期四 17:18:07 UTC（22,594 KB）
来源：arXiv cs.AI · arxiv.org