AI summary 2 แหล่ง · วันนี้ · 23:12

วิธีสร้าง Dataset ประเมินผล AI ให้ตรงกับการเรียนรู้จริง — จาก arXiv และ OpenAI

นักวิจัยและบริษัทเทคโนโลยีกำลังแก้ปัญหาเดียวกัน: ทำไม AI tutoring ไม่ได้ช่วยให้เรียนดีขึ้น แต่กลับทำให้นักเรียนขี้เกียจคิด วิธีแก้คือสร้าง dataset ที่ประเมินการให้เหตุผลแบบหลายขั้นตอน (multi-hop reasoning) ให้ถูกต้อง — ไม่ว่าจะผ่าน TMK models, synthetic contrastive traces, หรือ LLM-constrained feedback loops ทั้ง Preply และ OpenAI Academy ก็เดินหน้าเรื่องนี้ เพราะรู้ว่า dataset ที่ดีคือรากฐานของ AI ที่สอนได้จริง

แหล่งข่าว

ประเด็น

วันนี้ · 23:12

อัปเดต

Dataset ที่ดีต้องสมดุล 3 อย่าง: ธรรมชาติ (learner-like), มีพื้นฐาน (grounded), และครอบคลุมหลายขั้นตอน (multi-hop)
Synthetic contrastive reasoning — สร้าง positive และ negative traces เพื่อให้ LLM เข้าใจเหตุผลที่ถูกต้องกับผิด
AI tutoring ต้องจำกัด LLM ให้ถามคำถามแทนตอบ เพื่อให้นักเรียนคิดเอง ไม่ใช่ outsource ความคิด

แหล่งต้นทาง · 5

ลิงก์ต้นทางอยู่ครบ เพื่อให้เปิดอ่านเต็มและเทียบข้อมูลเองได้

OpenAI Blog วันนี้ · 10:00

New OpenAI Academy courses for the next era of work

arXiv — cs.AI เมื่อวาน · 04:00

Constructing Evaluation Datasets for Procedural Reasoning: Balancing Naturalness, Grounding, and Multi-Hop Coverage

OpenAI Blog เมื่อวาน · 00:00

How Preply combines AI and human tutors to personalize learning

arXiv — cs.AI 5 มิ.ย.

Synthetic Contrastive Reasoning for Multi-Table Q&A

arXiv — cs.AI 9 พ.ค.

Prober.ai: Gated Inquiry-Based Feedback via LLM-Constrained Personas for Argumentative Writing Development