概述

论文地址：https://arxiv.org/abs/2404.12926

人工智能的发展正在改变我们的学习方式。特别是使用大规模语言模型（LLM）的聊天机器人，通过提供个性化指导和即时反馈，极大地拓展了教育的可能性。

然而，在将 LLM 应用于教育领域方面仍存在许多挑战。例如，在物理解题中，计算数学公式和理解概念至关重要，但 LLM 在这些方面表现不佳。此外，当问题陈述包含图像时，也很难适当地处理这些信息。

因此，在本研究中，我们开发了一个 LLM 聊天机器人，专门用于印度高中物理选择题。通过使用强化学习和图像字幕，我们成功地大幅提高了 LLM 的解题和推理能力。这项研究为开启人工智能时代的教育革命之门迈出了一步。

相关研究

相关研究包括视觉语言模型（VLMs）的开发：Flamingo、GPT4、LLaVA 系列和 MiniGPT4 等模型能够处理视觉和语言综合信息，在视觉问题解答任务中表现出色。它们显示了此外，VisionLLM、Kosmos-2 和 Qwen-VL 等模型的视觉接地能力也有所提高。

对于从人类反馈中强化学习（RLHF）来说，最初的重点是文本总结和问题解答等任务，但后来逐渐被应用于改进通用语言模型。从人类反馈中强化学习（RLHF）最初的重点是文本摘要和问题解答等任务，后来逐渐应用于改进通用语言模型。

就图像说明而言，它们已被证明能有效减少 LLM 流形处理的局限性和模糊性。使用图像说明可为 LLM 提供更多上下文信息，并有望提高准确性。

LLM 在教育领域的应用包括提供个性化学习材料、提高生产率和普及性。此外，还在研究开发基于 LLM 的学生助理和编程作业自动反馈。

然而，对数学教育中的 ChatGPT 进行的评估表明，在领域适应性和语境理解方面仍有改进的余地。基于这些相关研究，我们正在开发一款专门用于物理教育的 LLM 聊天机器人。

建议方法

1. 使用 MM-PhyQA 数据集

- 印度高中物理选择题数据集 - 包括问题文本、选项、正确答案和解释 - 3,700 个研究样本和 676 个测试样本

2. 添加图片说明

- 对每幅问题图像进行详细描述 - 利用 Infi-MM 模型生成图像说明 - 尽量减少幻觉和图像处理错误

3. 联合联络小组的应用

将人类反馈纳入模型学习过程 - 从 MM-PhyQA 数据集中选择 2,000 个样本并使用 5 个模型进行推理- 使用 Gemini Pro 对推理结果进行排序- 将排序最高的回应与其他回应配对以创建 8,000 个优先级数据集- 使用优先级数据集训练奖励模型（RM）- 使用 PPO 算法用 RM 更新 LLM

使用优先级数据集训练奖励模型 (RM) - 使用 PPO 算法用 RM 更新 LLM

4. 微调

- 使用 7B、13B 和 13B LoRA 大型版本的 LLaVA 1.5 模型 - 使用 MM-PhyQA 数据集进行微调 - 使用 PEFT 进行高效参数学习

图 1 是拟议方法的概览：RLHF 流程通过创建优先数据集和学习奖励模型来提高 LLM 的推断能力。

通过实验，可以比较拟议方法在以下六种情况下的性能，从而对其进行评估

1. 使用（问题文本/答案、图像、标题）进行微调

2.使用（问题文本/答案、标题）进行微调

3.使用（问题文本/答案、图像）进行微调

4. 将 RLHF 应用于 1

5.将 RLHF 应用于 2

6.将 RLHF 应用于3

试验

表 1 至表 3 显示了在上一节所述的六种实验设置中，在不使用 RLHF 的设置 1 至设置 3 的情况下，每个模型与测试数据的对比精度。

表 1 显示了仅使用问题文本、答案和图像进行微调的结果，LLaVA 1.5 的 7B、13B 和 13B LoRA 大型模型的准确率分别为 53.3%、52.7% 和 53.1%，没有显著差异。

表 2 显示了使用问题文本和答案、图像和标题进行微调的结果。添加图片说明后，准确率明显提高，LLaVA 1.5 7B、13B 和 13B LoRA 大型模型的准确率分别达到 82.52%、83.28% 和 82.1%，这表明图片说明有助于提高 LLM 性能。

表 3 显示了仅使用问题文本、答案和标题进行微调的结果。即使没有图像，使用说明也能提高准确率：LLaVA 1.5 中 7B、13B 和 13B LoRA 大型模型的准确率分别为 66.95%、64.0% 和 74.56%。

这些结果表明，图像说明在提高 LLM 成绩方面发挥了重要作用。增加图片说明可能会提高解决问题的成绩，因为它们为 LLM 提供了更多的上下文信息。

不过，本文没有介绍应用 RLHF 的设置 4 至设置 6 的结果，因此无法讨论 RLHF 的效果；预计 RLHF 的应用将进一步提高 LLM 的推理能力，但验证这一点是未来的任务。

此外，由于本研究中使用的 MM-PhyQA 数据集专门针对印度高中物理问题，因此需要进一步研究拟议方法对其他学科和难度水平问题的有效性。

结论

本研究在 MM-PhyQA 数据集上引入了图像标题和 RLHF 这两种方法，目的是开发一款专门针对印度高中物理选择题的 LLM 聊天机器人。实验结果表明，添加图片说明能显著提高 LLM 的准确性。另一方面，RLHF 的有效性还需要进一步验证。

今后，还需要解决各种问题，包括验证 RLHF 的有效性、将其应用于其他领域、在实际教育环境中使用以及伦理方面的考虑。本研究为 LLHF 在教育领域的应用提供了重要见解，有望为人工智能教育研究的发展做出贡献。