arXiv · AI· Zixin Chen, Peng Liu, Rui Sheng, Haobo Li, Jianhong Tu, Xiaodong Deng, Kashun Shum, Dayiheng Liu, Huamin Qu·· 10 天前AI 评分45
TeachArena:面向真实教学流程的多阶段基准测试
Are Agents Ready to Teach? A Multi-Stage Benchmark for Real-World Teaching Workflows
AI 导读
TeachArena 提出包含 354 项任务的基准,联合评估教学判断、多轮辅导及 LMS 工作流。 评估显示前沿模型在局限场景下具备判断力,但在情境辅导和端到端执行上未达专业标准。 该基准为开发支持真实教学工作的辅导 Agent 提供了测量基础。
来源:arXiv · AI · arxiv.org