本文对基于大型语言模型的教育技术创新进行了系统文献综述和理论分析，并提出了以人为本的开发推荐，以解决基于大型语言模型的教育任务自动化可能带来的实际和伦理挑战。

Mar, 2023

研究探讨了大型语言模型（LLMs），例如ChatGPT在考试中的表现及对评估的影响，并提出了创建LLM抗拒力考试的指南，旨在确保评估的公正性和准确性。

Apr, 2023

评估大语言模型在教育中的功效，特别是在口语学习领域，引入新的多选题数据集评估模型在理解和应用口语知识方面的表现，研究不同提示技术对模型性能的影响，发现模型在音韵学、语音学和第二语言习得方面具有良好的概念理解，但在解决现实世界问题的推理方面存在限制，并初步探讨了对话交流的发现。

Aug, 2023

通过调查和总结大型模型在智能教育中的应用，本文旨在提供关于LMM4Edu潜力和挑战的指导和见解，并为教育者、研究人员和政策制定者深入理解和进一步推进LMM4Edu的发展和应用提供指导。

Nov, 2023

大语言模型 (LLMs) 在教育领域带来了新的可能性。本综述论文从多个角度总结了LLMs在教育环境中的各种技术，包括学生和教师辅助、自适应学习和商业工具。我们系统地审查了每个角度的技术进展，整理了相关的数据集和基准，并识别了在教育中部署LLMs所面临的风险和挑战。此外，我们概述了未来的研究机会，强调潜在的有前途的方向。我们的综述旨在为教育工作者、研究人员和决策者提供一个全面的技术画面，以利用LLMs的力量革新教育实践，并促进更有效的个性化学习环境。

Mar, 2024

利用大语言模型在现代教育领域创新的机会，通过研究提问型大语言模型、语法错误解释和人力资源面试评估，揭示了大语言模型在改变教育实践中的潜力和限制。

May, 2024

人工智能在教育领域有深远的影响，特别是大型语言模型（LLMs）在智能教育（LLMEdu）中的应用，对提高教学质量、改变教育模式和调整教师角色有巨大的潜力，然而仍面临着挑战和问题。本文系统综述了LLMEdu的当前技术、挑战和未来发展，并介绍了LLMs与教育的特点以及将LLMs整合到教育中的好处。同时还回顾了将LLMs整合到教育行业的过程和相关技术的引入，并讨论了LLMEdu所面临的挑战和问题，以及未来优化LLMEdu的前景。

May, 2024

本研究探讨了大型语言模型（LLMs）在教育环境中自动生成问题的有效性，并比较了三种模型在无微调情况下从大学幻灯片文本中生成问题的能力。研究发现，GPT-3.5和Llama 2-Chat 13B在问题的清晰度和问答对应性方面略优于Flan T5 XXL，特别是GPT-3.5在根据输入答案定制问题方面表现突出。

Jul, 2024

本研究针对大语言模型在教育领域的应用，探索其在教学、学习和评估中的新机遇及面临的挑战。通过聚焦于阅读、写作和口语技能及智能辅导系统，本文提出了前所未有的见解，强调了LLMs在提升教育效果方面的潜在影响。

Sep, 2024

本研究解决了对话式辅导系统中大型语言模型（LLMs）缺乏有效教学策略和高昂数据集成本的问题。我们提出了一种合成辅导对话数据集，并对小型LLM进行了微调，结果表明该模型在实际辅导场景中性能与大型模型相当，但成本显著降低，为教育环境中实施LLM辅导系统提供了可行且具有成本效益的方法。

Oct, 2024