PIVOT: Orientare i Tutor LLM con Vettori di Attivazione Basati su Preferenze

Un nuovo framework chiamato PIVOT è stato sviluppato dai ricercatori per migliorare le capacità di insegnamento dei tutor basati su grandi modelli linguistici (LLM). Questo framework, descritto in un articolo su arXiv (2608.07509), affronta il problema della gestione delle strategie di tutoraggio durante l'inferenza. PIVOT utilizza l'apprendimento online di vettori di intervento basati su preferenze per tutor LLM statici, impiegando una tassonomia di sette categorie di mosse del tutor e un ciclo genera-etichetta-ottimizza. Un giudice LLM validato da esseri umani aiuta a identificare le mosse target e quelle non-target confuse per creare coppie di preferenze per il controllo del flusso residuo multi-livello. L'approccio ha controllato con successo le mosse del tutor su vari set di dati di tutoraggio, mantenendo pertinenza e fluidità. È stato condotto uno studio con 30 insegnanti per valutare l'efficacia del framework. Questo lavoro contribuisce al campo dell'IA nell'istruzione fornendo un metodo innovativo per il controllo preciso del comportamento degli LLM senza bisogno di riaddestramento.