近期的一项研究提出了一种名为 INSIDE 的学生建模框架，旨在改进大语言模型（LLM）-based 模拟器的表现。传统的 LLM 模拟器虽然能够复现可观察的行为，但往往无法捕捉到行为背后的潜在推理。这种问题在教育领域尤为明显，因为学生模拟被广泛用于评估辅导系统等应用。在 INSIDE 框架中，研究人员使用了布鲁姆taxonomy 来生成内部对话，涵盖认知、情感和行为三个维度，并对模型进行了微调，以使其不仅能像学生一样行动，还能像学生一样思考。实验结果表明，INSIDE 框架能够提高模拟的保真度，包括行为保真度和推理对齐度，后者最高可达 57.9%。 博主点评： 本研究为教育领域的学生模拟提供了一个新的思路，通过结合 LLM 和内部对话生成，可以更好地理解学生的思维过程，进而改进教学效果。