VectorizationLLM：基於智能向量化的AI助手

VectorizationLLM是一個專門為教育領域設計的大型語言模型（LLM），基於谷歌的開源權重LLM開發。該模型旨在輔助學生學習智能向量化、時間/波向量分析、分段函數、傅里葉分析和微分方程在MATLAB中的應用。其課程背景是紐約理工學院Old Westbury分校電氣與計算機工程技術系開設的CTEC 247：應用計算分析II。

與傳統直接給出答案的AI助手不同，VectorizationLLM被設計為教學輔助工具。它通過檢索增強生成（RAG）知識庫和精心設計的系統提示架構，提供詳細的概念解釋，並引用課堂筆記中的示例。這些示例涵蓋代碼、文本和圖像形式，幫助學生理解複雜概念，同時鼓勵獨立思考。

該模型的研發由Ryan Duke主導，論文已在arXiv上提交（編號：2607.07846），共44頁，包含6張圖表。論文主題涵蓋人工智能（cs.AI）和計算機與社會（cs.CY）。VectorizationLLM代表了AI在高等教育中應用的最新嘗試，特別是在工程計算課程中，通過個性化的、逐步的指導，提升學生的學習體驗。

VectorizationLLM的獨特之處在於其專注於特定的課程內容，而非通用問答。這種針對性設計使其能夠提供高度相關的教學支持，同時避免學生直接獲得答案，從而促進深層學習。模型還配備了RAG知識庫，能夠動態檢索課程資料，確保回答的準確性和時效性。

隨着AI在教育領域的滲透，VectorizationLLM展示瞭如何將LLM與RAG技術結合，創建安全的、符合教學目標的輔導系統。未來，這種模式可能被更多課程採用，成為傳統教學的互補工具。研究人員還計劃進一步優化模型，以支持更廣泛的科目和更復雜的交互場景。