단일 질의응답과의 작별: 홍콩대학 오픈소스 AI 튜터 DeepTutor v1.5, 교수-학습-평가 동시 루프 구현

동차 Beating 모니터링에 따르면, 대형 모델이 가정교사 역할을 할 때 일반적으로 '질문-답변' 방식만 가능하며, 학생의 사고 과정이나 오답을 따라 연속적인 지도를 제공하지 못합니다. 홍콩대학교 데이터 지능 연구실(HKUDS)은 지능형 튜터 DeepTutor v1.5를 오픈소스로 공개했습니다. 이 시스템은 채팅(Chat), 퀴즈(Quiz), 연구(Research), 시각화(Visualize), 문제 해결(Solve), 학습 경로 계획(Mastery Path)의 여섯 가지 모듈을 하나의 지능형 에이전트 실행 루프로 통합합니다. 즉, 학생이 작업을 전환할 때 백엔드 엔진을 중단하거나 재설정할 필요 없이 학습 맥락과 다중 해상도 메모리가 자동으로 동기화되어 전달됩니다.

진정한 맞춤형 교육을 실현하기 위해 DeepTutor는 추적 포레스트 메커니즘을 도입하여 상호작용 궤적을 다중 해상도 그래프로 축적하고, 동적으로 진화하는 가상 학생 프로필을 추출합니다. 이를 통해 AI가 제공하는 모든 교육적 결론이 계층을 넘어 구체적인 텍스트 증거나 오답 기록으로 소급될 수 있습니다.

평가 결과, DeepTutor는 개인화 교육 지표를 평균 10.8% 향상시키고, 주류 대형 모델의 일반 추론 능력을 29.4% 향상시켰습니다. 그러나 이러한 능동적 알림 기반 교육이 장기적으로 발생시키는 방해 비용과 실제 사용자의 망각 곡선에 대한 적응 효과는 여전히 장기적인 행동 연구를 통해 검증이 필요합니다.