בעידן החינוך החכם, יצירת בעיות מתמטיות חדשניות מהווה אתגר מרכזי. מודלים גדולים של שפה (LLMs) מצליחים לייצר בעיות מדויקות, אך סובלים מחוסר מקוריות ויכולת הבחנה נמוכה. חוקרים מציגים את משימת IMPG – יצירת בעיות מתמטיות חדשניות – ומסגרת שיתופית רב-תפקידית מתפתחת עצמית עם הדרכת קושי מפורטת. המסגרת מבטיחה דיוק גבוה תוך שיפור משמעותי בחדשנות, מה שיכול לשנות את עתיד הכלים הדיגיטליים בכיתות.
המסגרת כוללת מנגנון שיתוף פעולה רב-תפקידי: מדגם (sampler), מחולל (generator), מעריך (evaluator), מכונת מצבים (state machine) וזיכרון. תהליך איטרטיבי מבטיח תיקון באמצעות הערכה עצמית ומשוב חיצוני. החוקרים מציגים מודל קושי משופר שמכמת קושי ומספק הדרכה מדויקת. אלגוריתם DAPS מבוסס נתונים משפר את הרציונליות הסמנטית של קידודי המדגם, מה שמגביר את איכות הבעיות המיוצרות.
כדי לתמוך במסגרת, נבנה מאגר הנתונים HSM3K-CN, הכולל בעיות מתמטיות איכותיות לתלמידי תיכון. תהליך אימון רב-שלבי כולל אימון מקדים רציף (CPT), כוונון עדין בפיקוח (SFT) ואופטימיזציה של מדיניות יחסית קבוצתית (GRPO). אבולוציה עצמית מושגת על ידי העברת יכולות הערכה מהמודל המומחה למודל התלמיד באמצעות זיקוק ידע. ניסויים מראים שיפור משמעותי בחדשנות לעומת מודלים בסיסיים, תוך שמירה על שיעורי דיוק גבוהים.
החדשנות במסגרת זו בולטת בהשוואה לשיטות קודמות, שבהן LLMs נכשלים ביצירת בעיות מקוריות. השיטה משלבת משוב דינמי והדרכה מבוססת נתונים, מה שהופך אותה לרלוונטית לחינוך מבוסס AI. בישראל, שבה חדשנות טכנולוגית בחינוך מתפתחת במהירות, כלים כאלה יכולים לשפר תוכניות לימודים אישיות ולהגביר מוטיבציה בקרב תלמידים.
למנהלי חינוך ועסקי EdTech, המסגרת מציעה הזדמנות לשדרג פלטפורמות למידה. היא מדגימה כיצד AI יכול להפוך ממחולל תוכן סטנדרטי לכלי יצירתי אמיתי. האם הגיע הזמן לשלב IMPG במערכות הלמידה שלכם? המחקר פותח דלתות חדשות לחינוך חכם.