Может ли система LLM вести поиск знаний в тех случаях, когда мало или вообще нет учащихся?

arXiv:2610.1135v1 Annuales Type: New Humber Brieflow: Models Learning (KT) нуждается в большом числе зарегистрированных учащихся, поэтому новый курс или платформа начинаются без удобной модели. На основе LLM KT LLD генерирует ответ, который мы называем System-Two; он либо точен на целевых данных, или мотивах и голосует за десять образцов, что является медленным и дает тяжёлые вероятности. Мы задаемся вопросом, может ли внесетевая система-Один LLM, которая возвращает вероятность для напечатанного вопроса непосредственно в одном пропуске, выполнять KT при регистрации нескольких учащихся или вообще без них. На семи наборах данных, Jev без каких-либо данных с целевой платформы достигает среднего уровня AUC 0706, выше лучших из 28 глубоких моделей KT, подготовленных для 8 учащихся (6,689) и выше системного мышления-КТ на всех 7 наборов данных (650) по цене около 1/100 от стоимости АПИ. Добавление примеров и аналогичных статистических данных об учениках из зарегистрированных учащихся (JevKT) приводит к увеличению этого показателя до 722; JevkT остается значительно впереди глубоких KT до 16 учеников, а в среднем - до 64 человек и контролируется.