arXiv cs.AI· Junior Cedric Tonga, KV Aditya Srivatsa, Kaushal Kumar Maurya, Fajri Koto, Ekaterina Kochmar·· 3 天前AI 评分22
用 LLM 模拟多语言数学辅导中的学生-导师互动
Simulating Student-Tutor Interactions with LLMs for Multilingual Math Feedback
AI 导读
研究者首次用 LLM 大规模模拟多语言学生-导师互动：强模型扮演导师生成提示，弱模型扮演学生，覆盖 11 种语言、4 个 SOTA LLM 和 352 组实验设置。结果显示，即便对多语言学生 LLM，英文提示通常仍更受偏好，仅少数例外能带来更好的学习效果。
正文 · AI 翻译
摘要：大型语言模型（LLM）已展现出用英语生成形成性反馈和教学提示的能力，使其在 AI 辅助教育中日益重要。然而，它们在不同语言中提供有效教学支持的能力，尤其是在基于数学的推理任务上，仍基本未被考察。在这项工作中，我们首次利用 LLM 大规模模拟多语言的学生—导师互动。一个更强的模型扮演导师，以提示的形式生成反馈，而一个较弱的模型模拟学生。我们探索了 352 种实验设置，涵盖 11 种类型学上多样的语言、四个最先进的 LLM 以及多种提示策略，以评估特定语言的反馈是否能带来可测量的学习收益。我们的研究考察了学生输入语言、导师反馈语言、模型选择和语言资源水平如何共同影响表现。结果表明，英语提示通常更受青睐，即使对多语言学生 LLM 也是如此，仅有少数例外能带来学生学习的改善。这些发现为开发既有效又包容的多语言、基于 LLM 的教育工具提供了实用见解。
| 评论： | MathNLP EMNLP 2026 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2506.04920 [cs.CL] |
| （或 arXiv:2506.04920v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2506.04920 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Junior Cedric Tonga [查看电子邮件]
[v1]
2025年6月5日星期四 11:53:04 UTC（553 KB）
[v2]
2026年10月10日星期六 10:01:20 UTC（540 KB）
来源：arXiv cs.AI · arxiv.org