论文页面 - LectūraAgents：面向自适应个性化AI辅助学习与具身教学的多智能体框架

来源：https://huggingface.co/papers/2606.16428

摘要

LectūraAgents 是一个多智能体框架，通过模拟教授-学生互动并生成与学习者画像相协调的协调教学动作，实现自适应具身教学下的个性化学习。

有效的个性化AI辅助学习要求系统不仅能生成准确的、针对学习者的教学材料，还能动态调整教学方式以适应不同的学习者。然而，现有的教育智能体主要关注讲座内容自动化 (https://huggingface.co/papers?q=lecture%20content%20automation) 和模拟 (https://huggingface.co/papers?q=simulations)，这些方法往往无法对针对个体学习者的多模态和具身化教学方法进行建模。为此，我们提出了 LectūraAgents——一个通过端到端自适应具身教学 (https://huggingface.co/papers?q=embodied%20teaching) 实现个性化学习 (https://huggingface.co/papers?q=personalized%20learning) 的多智能体框架 (https://huggingface.co/papers?q=multi-agent%20framework)。其核心在于模拟教授-学生关系，其中 ProfessorAgent (https://huggingface.co/papers?q=ProfessorAgent) 领导一个由专门下属智能体组成的协作团队，通过研究、规划、审查以及具身化交付适应学习者需求的讲座内容。该框架有三项主要贡献：(1) 用于端到端个性化学习 (https://huggingface.co/papers?q=personalized%20learning) 的分层多智能体架构；(2) 自适应具身教学 (https://huggingface.co/papers?q=embodied%20teaching) 机制，其中 ProfessorAgent (https://huggingface.co/papers?q=ProfessorAgent) 在教学环境中对内容执行可见且具有教学动机的教学动作（例如，手写、高亮、下划线等）；(3) 教学动作-语音对齐 (https://huggingface.co/papers?q=Teaching%20Action-Speech%20Alignment) (TASA) 算法，该算法利用基于显著性启发式 (https://huggingface.co/papers?q=salience-based%20heuristics) 和时序语义分割 (https://huggingface.co/papers?q=temporal%20semantic%20segmentation) 的方法，生成与学习者画像相协调的连贯教学动作序列。我们使用基于样本特定量规的分析方法，在高中、本科和研究生级别的多样化课程上评估了 LectūraAgents；生成的讲座材料和教学动作由教育专家评估和验证。实验结果表明，与现有方法相比，在讲座内容质量、具身教学 (https://huggingface.co/papers?q=embodied%20teaching) 质量、评估和个性化方面均有持续改进，使 LectūraAgents 成为大规模个性化学习 (https://huggingface.co/papers?q=personalized%20learning) 的一个具有良好教学基础的框架。

查看 arXiv 页面 (https://arxiv.org/abs/2606.16428) 查看 PDF (https://arxiv.org/pdf/2606.16428) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.16428)

在你的智能体中获取此论文：

hf papers read 2606.16428

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2606.16428，即可在此页面建立链接。

引用此论文的数据集 0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2606.16428，即可在此页面建立链接。

引用此论文的 Spaces 0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2606.16428，即可在此页面建立链接。

包含此论文的收藏集 0

没有收藏集包含此论文

将本论文添加到一个收藏集 (https://huggingface.co/new-collection)，即可在此页面建立链接。