NYIT desenvolveu um assistente LLM para um curso de análise aplicada em MATLAB

Os pesquisadores do Departamento de Engenharia Elétrica e Tecnologia Computacional do Instituto de Tecnologia de Nova York (NYIT) apresentaram em julho de 2026 no arXiv VectorizationLLM — um assistente de linguagem muito especializado baseado em modelos de peso aberto do Google, desenvolvido para um curso educacional específico.

Para qual curso o assistente foi criado

VectorizationLLM foi desenvolvido exclusivamente para o curso CTEC 247 — "Análise Computacional Aplicada II" — do Departamento de Tecnologia ECE no campus de Old Westbury, Nova York da NYIT. O curso cobre vários tópicos que são tradicionalmente difíceis para estudantes de especialidades técnicas:

• Vetorização inteligente no ambiente MATLAB
• Análise de vetores de tempo e onda
• Funções definidas por partes
• Análise de Fourier
• Equações diferenciais ordinárias

Nesses tópicos, os alunos frequentemente ficam presos e procuram ajuda fora da sala de aula. O assistente preenche essa lacuna, estando disponível 24 horas — diferentemente de um instrutor no departamento.

Como o modelo funciona — e o que não faz

A arquitetura do VectorizationLLM é construída em dois componentes. O primeiro é RAG (Geração Aumentada por Recuperação): uma base de conhecimento formada a partir dos materiais do curso CTEC 247, incluindo notas de aula, exemplos de código MATLAB e ilustrações. Quando um aluno faz uma pergunta, o modelo primeiro procura fragmentos relevantes dentro deste corpus, depois gera uma resposta com base neles. Isso reduz drasticamente o risco de "alucinações" em comparação com chatbots universais.

O segundo componente é um prompt do sistema que define o papel pedagógico: o assistente explica e sugere, mas intencionalmente não fornece soluções prontas para as tarefas. O princípio do "diálogo socrático" — o aluno deve chegar à resposta independentemente. As respostas podem conter explicações de texto, blocos de código e imagens simultaneamente, o que permite explicar conceitos matemáticos no formato mais visual.

Por que "IA de curso" é uma direção promissora

VectorizationLLM se encaixa em uma tendência crescente de criar LLMs educacionais muito especializados vinculados a um assunto ou curso específico. Ao contrário do ChatGPT em forma "bruta", tal assistente não vai além do currículo, depende apenas de materiais verificados do instrutor e reduz o ônus no departamento em termos de perguntas rotineiras de alunos.

O desafio chave ao escalar soluções semelhantes é popular o corpus RAG: criar uma base de conhecimento de qualidade para cada curso requer tempo e experiência acadêmica. Isso, mais que o LLM em si, é onde o trabalho principal está concentrado.

O que isso significa

VectorizationLLM mostra como os modelos de peso aberto do Google podem ser aplicados na educação sem ajuste fino custoso: a combinação RAG + prompt do sistema permite adaptar rapidamente o LLM base para qualquer curso, mantendo o controle do conteúdo. A adoção generalizada de tais soluções em universidades dependerá de quão facilmente os instrutores podem formar independentemente tais bases de conhecimento.