LLM Simulator Internal Dialogue Student Modeling Reasoning Alignment
摘要

基于大语言模型(LLM)的模拟器往往能复现可观察的行为,却难以捕捉其背后的推理逻辑。在教育领域,这种差距尤为显著,因为相同的结果可能源于完全不同的原因。本文提出INSIDE框架,通过微调LLM使其不仅模仿学生行为,更模拟其思维过程。该框架基于布鲁姆分类法,在认知、情感和行动上生成内部对话,并利用配对的思想轨迹与行动数据进行训练。实验表明,INSIDE在模拟行为的保真度和推理一致性上均优于基线方法,推理对齐度最高达57.9%。

AI 推荐理由

论文核心在于建模LLM的内部推理过程(内部对话),旨在捕捉行为背后的思维逻辑,属于推理机制研究。

研究机构
Department of Electrical Engineering and Computer Sciences, University of California, Berkeley
论文信息
作者 Rose Niousha, Minwoo Kang, Narges Norouzi
发布日期 2026-08-11
arXiv ID 2608.10492
相关性评分 9/10 (高度相关)