Skip to content
Hot eventLive

SSKG 方法用于忠实模拟不同掌握水平的学生

1 reports1 sources2 hr ago updated

Get the story

AI overview

2026年10月12日，arXiv 人机交互方向发布论文，提出随机学生知识图谱（SSKG）方法，旨在让大语言模型更真实地模拟不同掌握水平的学生。论文指出，现有方法在 SAT 五档掌握水平测试中，三种 LLM 准确率仍达 96.8–100%，七个基线也维持 86.5–100%，难以体现掌握水平差异；SSKG 则实现 44.1–85.2% 的单调梯度。其流程采用人在回路方式，从课程材料抽取 CKG，将错误选项映射为三元组，并按掌握概率采样后生成推理。

Generated from reports · updated 2 hr ago

LatestOct 12
arXiv 新论文提出 SSKG，在 SAT 测试中实现 44.1–85.2% 单调梯度，优于现有高准确率方法。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Human-Computer Interaction
    从掌握画像到模拟作答：SSKG 让 LLM 学生模拟更真实

    论文提出随机学生知识图谱（SSKG）方法，让 LLM 更真实地模拟不同掌握水平的学生。现有方法在 SAT 五档掌握水平测试中，三种 LLM 准确率仍达 96.8-100%，七个基线也维持 86.5-100%；SSKG 则实现 44.1-85.2% 的单调梯度。流程用人在回路从课程材料抽取 CKG、把错误选项映射为三元组，并按掌握概率采样后生成推理。

Heat trend

There is not enough continuous observation data to draw a trend yet.