来源：期刊VIP网 时间：
作者：张士伟;周嘉诚;洪亮;沈明轩;熊福成;杜烨;
单位：武汉大学信息管理学院;武汉大学人工智能学院;武汉大学数学与统计学院;中国能源建设集团广东省电力设计研究院有限公司;
摘要：近年来，大语言模型凭借海量的参数化知识和强大的自然语言处理能力，为个性化答疑提供了新的技术手段。然而现有方法仍面临若干问题，包括无法深度挖掘学生个性化需求、生成回答的针对性不足，以及缺少可靠背景知识导致的回答准确性受限。为此，本文提出一种基于查询扩展和强化学习的大语言模型个性化答疑方法。首先，根据教学图谱对原始提问进行扩展，融入学生和课程的个性化信息；其次，设计基于学生背景识别任务的强化学习算法，通过反馈机制引导模型更好地对齐学生特点；最后，结合检索增强生成框架从教学知识库中动态提取参考资料，进一步提升回答的准确性和可靠性。在MOOCCubeX数据集的实验表明，相较于基线方法中最好的对比方法，本文方法在知识背景、学习风格、学习进度和兴趣导向等个性化维度匹配度上分别提高了0.210、0.156、0.222和0.168，回答准确率提升0.086 1。
关键词：个性化答疑;;大语言模型;;查询扩展;;强化学习
基金资助：国家自然科学基金（72474163）;; 武汉大学社会科学数智创新研究项目
