sensemaking

本文探索使用指令调优的LLMs分析科学学习中的协作学生意义构建，发现推理增强提示和知识状态诊断能改善与专家注释的一致性。

本文介绍了TimeCapsule，一个1.2B参数的LLM，仅在维多利亚时期文本（1800-1875年）上训练，用于为现代概念生成历史上合理的类比。与GPT-2相比，在维多利亚散文上实现了45.4%的困惑度降低，同时通过结构化地对未来无知，展示了计算式意义构建。

AI自动连接知识的功能上线一天，已产生多次令人震撼的主动新发现，该功能基于意义构建理论，能精准关联并深入追问。