一种本地部署的基于RAG的课程选择学术咨询系统

arXiv cs.CL 论文
rag retrieval-augmented-generation academic-advising course-selection llm privacy-preserving

摘要

本文提出了一种本地部署的基于RAG的学术咨询系统，该系统将大型语言模型与结构化教学大纲数据的检索相结合，以在保护隐私的方式下支持课程选择和个性化学习规划。

arXiv:2606.02983v1 公告类型：new 摘要：基于课程之间先修关系的正确课程顺序对于学生全面发展知识和技能至关重要。然而，孤立地规划这一顺序的学生常常面临认知限制和信息过载，导致困惑。同时，教育机构由于教育资源有限，在提供关于正确顺序的充分学术建议方面遇到困难。为应对这些挑战，我们提出了一种基于教学大纲信息的本地部署RAG学术咨询系统。通过将大型语言模型与结构化教学大纲数据的检索相结合，该系统旨在以保护隐私的方式支持课程选择、先修课程理解和个性化学习规划。
查看原文
查看缓存全文

缓存时间: 2026/06/03 09:36 

# 基于本地部署的RAG学术咨询系统：课程选择辅助方案
来源：https://arxiv.org/abs/2606.02983
查看PDF（https://arxiv.org/pdf/2606.02983）

> **摘要：**基于课程间先修关系的正确课程顺序，对于学生全面发展知识与技能至关重要。然而，学生独自制定这一顺序时，常因认知限制和信息过载而陷入困惑。同时，教育机构由于资源有限，难以提供充分的学术建议来指导正确顺序。为解决这些问题，我们提出了一种基于教学大纲信息的本地部署RAG学术咨询系统。该系统结合大语言模型与结构化大纲数据的检索，旨在以隐私保护的方式支持课程选择、先修课程理解以及个性化学习规划。

## 提交历史

来自：李峰 [查看邮件](https://arxiv.org/show-email/9d6f2e05/2606.02983)  
**[v1]** 2026年6月2日星期二 00:41:51 UTC（748 KB）

相似文章

从自适应列表排序角度重新审视自适应检索增强生成的必要性

arXiv cs.CL

本文提出了 AdaRankLLM，一个自适应检索框架，通过列表排序动态过滤检索到的段落，对自适应 RAG 的必要性提出质疑。研究表明自适应检索对于较弱模型充当噪声过滤器，对于更强模型充当成本效率优化器，在多个数据集和 LLM 上进行了广泛实验。

RAG-Anything：全能型 RAG 框架

Papers with Code Trending

RAG-Anything 是一个全新的开源框架，通过整合跨模态关系和语义匹配来增强多模态知识检索，在复杂的基准测试中表现优于现有方法。