ITAS：一種基於大型語言模型的智慧教學助理多代理架構
arXiv - Computers and SocietyIizalaarab Elhaimeur, Nikos Chrisochoides
本文提出 ITAS 架構，透過多代理協作與數據回饋層，解決 LLM 教學系統在實際課程應用中的穩定性與教師資訊落差問題。
AI 幫你先抓重點
AI 重點 1
從單一 LLM 轉向「多代理協作（Multi-Agent）」的架構設計
滑鼠懸停看 AI 判斷理由
單一模型難以同時兼顧教學引導、程式碼檢查與影片內容，透過專業化代理分工，能有效降低幻覺風險並提升教學內容的精準度，這是開發實務級 ITS 的關鍵轉向。
AI 重點 2
解決「盲目教師問題（Blind Instructor Problem）」的重要性
滑鼠懸停看 AI 判斷理由
當 AI 介入教學，教師可能失去對學生學習細節的掌握。建立專門的回饋層來轉譯 AI 數據，能確保教師與 AI 之間的信息對稱，維持教學主導權而非被技術隔絕。
核心研究發現
- 1
教學層採用「輪輻式」架構，由影片、程式碼與引導三個專業代理與合成器協作，成功處理了 334 次對話且未出現任務邊界幻覺。
- 2
運作層透過微服務與雲端資料庫架構，在一個學期的試點中成功捕捉並記錄了超過 10,628 筆學習事件數據。
- 3
回饋層解決了「盲目教師問題」，透過對匿名化事件流的分析，讓教師能在學期中根據 AI 發現的趨勢進行即時教學調整。
對教育工作者的啟發
對於希望將 LLM 導入真實課堂的設計者，應避免僅開發單一對話介面，而應構建包含「教學、運作、回饋」三層的完整系統。首先，利用多代理架構來分散任務，提升專業度；其次，必須建立強大的數據追蹤機制，將學習行為轉化為教師可理解的洞察，而非僅讓學生與 AI 對話。這能確保技術不僅是輔助工具，更能成為強化教師教學決策的數據來源。
原始文獻資訊
- 英文標題：
- ITAS: A Multi-Agent Architecture for LLM-Based Intelligent Tutoring
- 作者：
- Iizalaarab Elhaimeur, Nikos Chrisochoides
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。