2024面向教育的生成式AI的负责任发展：评价驱动的方法（英译中）-谷歌.docx

Ggoo.gle/LearnLM

G

,2024-05-

通讯作者:learnlm-tech-report@

?2024GoogleDeepMind。保留所有权利

14

面向教育的生成式AI的负责任发展:评价驱动的方法

伊琳娜·尤伦卡*，?,1，马库斯·库内施*，t，1，凯文·麦基§,1，丹尼尔·吉利克§,1，朱绍健t，1，萨拉·威尔特伯格§,1，舒布汉姆·米林德·帕尔1，凯瑟琳·赫尔曼·1，丹尼尔·卡森伯格§,1，阿维什卡·布胡普尚1，安吉特·阿南德·1，米鲁纳·皮斯拉尔·1，斯蒂芬妮·陈§,1，丽莎·王§,1，珍妮弗·1，帕尔萨·马穆迪赫·1，阿里亚·里斯贝克·1，高3，安德里亚·胡伯·1，布雷特·威尔特郡1，加尔·埃利丹?，2岁，罗尼·拉宾·2，贾斯敏·鲁比诺维茨t，4岁，阿米特·皮塔鲁4，麦克·麦卡利斯特3，朱莉娅·威尔科夫斯基3，大卫·崔·8，罗伊·恩格尔伯格2，丽丹·哈克

蒙·2，阿德瓦·莱文·2，雷切尔·格里芬·5，迈克尔·西尔斯·5，菲利普·巴尔·6，米娅·梅萨尔·3，玛娜·贾布

尔·3，阿尔斯兰·乔杜里·1，詹姆斯·科汉·3，斯里格·,斯里格1，尼尔·萨兰·1本·布朗·1，迪兰·戈鲁尔·§,1，斯维特拉娜·格兰特·1，雷切尔·桥本·3，劳拉·魏丁格·1，胡杰鲁·1，陈恩·3，库巴·多莱基·3，坎弗·阿克布卢

特·1，麦克斯韦·比勒斯基·1，劳拉·卡尔普,

Wen-xinDong3，NahemaMarchal1，KelsieVanDeman4，HemaBajajMisra3，MichaelDuah5，Moran

Ambar2，AviCaciularu2，SandraLefdal1，ChrisSummerfield7，JamesAn1，Pierre-Alexandrekamenny1，AbhinitMohdi3安妮·黑尔·5，韦恩·安德森·5，路易斯·科博·1，尼夫·埃夫隆t，2岁，穆克塔·阿南达·3，沙基尔·穆罕默德·1，莫琳·海曼斯·3，祖宾·加赫拉马尼·1，约西·马蒂亚斯·2，本·戈梅斯·3和莱拉·易卜拉欣·1

*同等贡献，t技术主管，?研究主管，§工作流主管，1GoogleDeepMind，2GoogleResearch，3Google，4Google创意实验室，5亚利桑那州立大学，6隆德大学，牛津7大学，8人类学，在GoogleDeepMind工作期间进行的工作

世界面临的一个主要挑战是提供公平和普及的优质教育。生成人工智能(genAI)的最新进展使人们对新技术的潜力感到兴奋，新技术可以为每个学习者提供个人导师，为每个老师提供助教。然而，这个梦想的全部范围尚未实现。我们认为，这主要是由于将教学直觉用语言表达到genAI提示中存在困难，并且缺乏良好的评估实践，而定义优秀教学法的挑战加剧了这一点。在这里，我们展示了我们与学习者和教育工作者合作的工作，将学习科学中的高级原则转化为实用的七种不同的教育基准，涵盖定量，定性，自动和人工评估;并开发一套新的微调数据集，以提高双子座的教学能力，LearnLM-导师介绍。我们的评估表明，在许多教学方面，教育工作者和学习者始终优先选择learnlm-tutor而不是及时调整的双子座。我们希望这项工作可以作为开发全面的教育评估框架的第一步，并且这可以使AI和EdTech社区迅速取得进展，以最大程度地发挥AI在教育中的积极影响。

1.导言

人工智能(AI)大约70年的历史是范式转变之一:从符号系统到贝叶斯方法，再到深度学习，在过去的几年里，生成AI(genAI)-大型基础模型在互联网上可用的大量媒体上进行训练，以获得一系列令人印象深刻的通用功能，从而(大多数时候)能够对任何用户提示或询问提供有用的响应。每一次范式转变都带来了一系列独特的希望、机遇和挑战。然而，当前的人工智能时代是前所未有的:人工智能比以往任何时候都更容易获得(因为它只需要通过自然语言进行提示)，比以往任何时候都更有能力，而且似乎比以往任何时候都更快地改进。关于如何利用这项技术实现最大社会效益的问题