搜索结果

学生拿公开可用的聊天机器人做作业、找解释已经很常见，而这些模型的能力与准确率仍在快速提升，使用面只会继续扩大。随之而来的问题是：模型给出的内容，是否与学校必须遵循的教育标准一致？这份资料把问题收窄到美国 K-12 的 U.S. History，因为美国的课程标准由各州自定，在要求内容、强调重点和叙事取向上差异显著。

大语言模型在城市课堂和高等教育里的应用已经被反复讨论，但它能不能、以什么方式进入资源匮乏的农村K-12课堂，实证材料一直很少。这份资料正是冲着这个空白去的：它不问模型性能有多强，而问在最缺电、缺网、缺教师的地方，LLM被一线教学者看成机会还是负担。

模拟学生在教育研究里一直是个有用的设想：用它来评估教学方法、建模不同的学习者画像，而这类工作在真实课堂中很难系统开展。近年围绕大语言模型构建模拟智能体的研究明显增多，目标是覆盖学习风格、认知发展路径和社会行为上的差异。

这份资料在回答一个很实际的问题：大语言模型能否在真实高等教育情境中可靠、有效地自动评阅学生论文。它把问题拆成两层：模型分数与人类评分者的一致性，以及不同模型在评分标准层面是否一致、其评分逻辑是什么。

这份资料要回答的是一个双重问题：大语言模型在网络安全领域到底能做什么防守，又会被怎样用于攻击，现有研究把这些用法讲到了什么程度、还缺什么。之所以现在值得看，是因为 LLM 已经进入教育、娱乐、商业和医疗等大量场景，而网络安全一向对数据驱动方案有抵触、拥抱机器学习偏慢，偏偏又是最需要判断新工具利弊的领域。

LLM agents 已经进入虚拟助手、客服机器人和教育工具等场景，能够处理大量数据、与人交互并执行任务。商业价值随之显现，但安全与隐私漏洞也一并暴露。这份综述要回答的是：这些新出现的问题究竟有哪些、如何分类、会影响谁、现有防御做到什么程度、下一步往哪走。

arXiv公开论文/综述（2404.12633）：LLM推理/规划方向公开论文，服务Agent选题。 摘要页与PDF均可免费访问。

arXiv公开论文/综述（2401.03462）：检索增强与智能体相关公开综述/论文包入口之一。 摘要页与PDF均可免费访问。

arXiv公开论文/综述（2504.07139）：与斯坦福官方PDF同源的arXiv发布版。 摘要页与PDF均可免费访问。

arXiv公开论文/综述（2309.07864）：Rise and Potential of LLM-Based Agents。 摘要页与PDF均可免费访问。