طوّر NYIT مساعد LLM لمقرر التحليل التطبيقي في MATLAB
قدّم باحثون من معهد نيويورك للتكنولوجيا (NYIT) نموذج VectorizationLLM، وهو نموذج لغوي مبني على نماذج Google ذات الأوزان المفتوحة. يساعد المساعد طلاب مقرر CTEC 247 على إتقان المتجهات، وتحليل فورييه، والمعادلات التفاضلية في MATLAB. ويعتمد النموذج على بنية RAG، وقد صُمم عمدًا بحيث لا يقدّم إجابات جاهزة، بل يقدّم فقط شروحات مع أمثلة من المواد التعليمية.
معالج بواسطة الذكاء الاصطناعي من arXiv cs.AI؛ بتحرير Hamidun News
قدم الباحثون من قسم الهندسة الكهربائية وتكنولوجيا الحاسوب في معهد نيويورك التكنولوجي (NYIT) في يوليو 2026 على arXiv VectorizationLLM — مساعد لغة متخصص جداً يعتمد على نماذج الأوزان المفتوحة من Google، تم تطويره لدورة تعليمية محددة.
لأي دورة تم إنشاء المساعد
تم تطوير VectorizationLLM حصراً لدورة CTEC 247 — "تحليل حسابي تطبيقي II" — من قسم تكنولوجيا ECE في حرم Old Westbury، نيويورك من NYIT. تغطي الدورة عدة مواضيع تكون تقليدياً صعبة على الطلاب في التخصصات التقنية:
- متجهة ذكية في بيئة MATLAB
- تحليل ناقلات الوقت والموجة
- الدوال المعرّفة بالقطع
- تحليل فورييه
- المعادلات التفاضلية العادية
في هذه المواضيع، يعلق الطلاب غالباً ويبحثون عن مساعدة خارج الفصل الدراسي. يملأ المساعد هذه الفجوة، ويكون متاحاً على مدار الساعة — بخلاف مدرس في القسم.
كيف يعمل النموذج — وما لا يفعله
يتم بناء بنية VectorizationLLM على مكونين. الأول هو RAG (الجيل المعزز بالاسترجاع): قاعدة معرفية تشكلت من مواد دورة CTEC 247، بما في ذلك ملاحظات المحاضرات وأمثلة كود MATLAB والرسوم التوضيحية. عندما يطرح الطالب سؤالاً، يبحث النموذج أولاً عن الأجزاء ذات الصلة ضمن هذا المجموعة، ثم ينتج إجابة بناءً عليها. هذا يقلل بشكل كبير من خطر "الهلوسات" مقارنة مع chatbots عالمي.
المكون الثاني هو طلب النظام الذي يحدد الدور التربوي: يشرح المساعد ويلمح، لكن لا ينية توفير حلول جاهزة للمهام. مبدأ "الحوار السقراطي" — يجب على الطالب الوصول إلى الإجابة بشكل مستقل. يمكن للإجابات أن تحتوي على تفسيرات نصية وكتل أكواد وصور متزامنة، مما يسمح بشرح المفاهيم الرياضية بأكثر صيغة بصرية.
لماذا "ذكاء الطبقة" هو اتجاه واعد
يتناسب VectorizationLLM مع الاتجاه المتنامي لإنشاء LLMs التعليمية المتخصصة جداً المرتبطة بموضوع أو دورة محددة. بخلاف ChatGPT في شكل "خام"، فإن هذا المساعد لا يتجاوز المنهج الدراسي، ويعتمد فقط على المواد المدرسة التي تم التحقق منها ويقلل من العبء على القسم من حيث أسئلة الطلاب الروتينية.
التحدي الرئيسي عند توسيع نطاق الحلول المماثلة هو ملء مجموعة RAG: إنشاء قاعدة معرفية ذات جودة عالية لكل دورة يتطلب وقتاً وخبرة أكاديمية. هذا، بدلاً من LLM نفسه، هو حيث يتركز العمل الرئيسي.
ماذا يعني هذا
يوضح VectorizationLLM كيف يمكن تطبيق نماذج الأوزان المفتوحة من Google في التعليم بدون ضبط دقيق مكلف: يسمح مزيج RAG + طلب النظام بتكييف LLM الأساسي بسرعة مع أي دورة مع الحفاظ على التحكم في المحتوى. سيعتمد الاعتماد الواسع لمثل هذه الحلول في الجامعات على مدى سهولة قيام المعلمين بتشكيل قواعد معرفية مستقلة.
هل تحتاج إلى ذكاء اصطناعي يعمل داخل شركتك — وليس فقط في موجز الأخبار؟
أبني ذكاءً اصطناعياً جاهزاً للإنتاج للشركات — أنظمة CRM مخصّصة، أدوات داخلية، وكلاء مستقلون، أتمتة سير العمل. ملك لك، مصمّم وفق عمليتك، دون رسوم لكل مستخدم. من إعداد جمال خميدون، مدير المنتجات في AlpinaGPT (منصة ذكاء اصطناعي، أكثر من 6000 مستخدم).
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.