NYIT desenvolve assistente LLM para curso de análise aplicada em MATLAB

Pesquisadores do departamento de Tecnologia de Engenharia Elétrica e de Computação do Instituto de Tecnologia de Nova York (NYIT) apresentaram no arXiv, em julho de 2026, o VectorizationLLM, um assistente de linguagem altamente especializado, baseado nos modelos de pesos abertos do Google e criado para um único curso específico.

Para qual curso o assistente foi criado

O VectorizationLLM foi desenvolvido exclusivamente para o curso CTEC 247, "Análise Computacional Aplicada II", do departamento de ECE Technology no campus do NYIT em Old Westbury, Nova York. O curso abrange vários temas tradicionalmente difíceis para estudantes de cursos técnicos:

• Vetorização inteligente (smart vectorization) no MATLAB
• Análise de vetores de tempo e de onda
• Funções definidas por partes
• Análise de Fourier
• Equações diferenciais ordinárias

É nesses temas que os alunos mais costumam travar e procurar ajuda fora da sala de aula. O assistente preenche essa lacuna por estar disponível 24 horas por dia, ao contrário de um professor do departamento.

Como o modelo funciona e o que ele não faz

A arquitetura do VectorizationLLM tem dois componentes. O primeiro é o RAG (Retrieval Augmented Generation): uma base de conhecimento formada pelos materiais do curso CTEC 247, incluindo notas de aula, exemplos de código em MATLAB e ilustrações. Quando o aluno faz uma pergunta, o modelo primeiro busca trechos relevantes nesse corpus e depois gera a resposta com base neles. Isso reduz bastante o risco de "alucinações" em comparação com chatbots de uso geral.

O segundo componente é um prompt de sistema que define um papel pedagógico: o assistente explica e dá dicas, mas de propósito não entrega soluções prontas dos problemas. O princípio é o do "diálogo socrático": o aluno deve chegar à resposta por conta própria. As respostas podem conter ao mesmo tempo explicações em texto, blocos de código e imagens, o que permite explicar conceitos matemáticos no formato mais visual.

Por que a "IA por curso" é um caminho promissor

O VectorizationLLM se encaixa na tendência crescente de criar LLMs educacionais muito especializados, ligados a uma disciplina ou curso específico. Ao contrário do ChatGPT "cru", um assistente assim não sai do currículo, se apoia apenas em materiais verificados do professor e reduz a carga do departamento com perguntas rotineiras dos alunos.

O principal desafio para replicar soluções desse tipo é montar o corpus do RAG: criar uma base de conhecimento de qualidade para cada curso exige tempo e conhecimento acadêmico. É aí, e não no LLM em si, que está concentrada a maior parte do trabalho.

O que isso significa

O VectorizationLLM mostra como os modelos de pesos abertos do Google podem ser aplicados na educação sem um ajuste fino caro: a combinação de RAG com prompt de sistema permite adaptar rapidamente um LLM base a qualquer curso, mantendo o controle sobre o conteúdo. A adoção ampla dessas soluções nas universidades dependerá de quão facilmente os professores conseguirão montar essas bases de conhecimento por conta própria.