谷歌与可汗学院合作推出基于Gemini模型的AI学习工具，旨在提升学生的读写能力。该工具包括写作教练和阅读教练，提供个性化反馈，帮助学生更好地理解和表达，促进教育技术的发展和师生互动。

ChatGPT推出学习模式，旨在促进学生思考而非直接提供答案。该功能已向多种用户开放，强调主动学习和个性化反馈。OpenAI与教育专家合作，设计了互动提问和知识点检查等功能，未来将根据反馈不断改进，可能改变教育模式。

本研究分析了智能辅导系统在个性化反馈中的不足，并提出了评估方法。结果显示，DeepSeek-V3在逻辑证明构建中的准确率为84.4%。尽管LLM生成的提示在一致性和清晰度上表现良好，但在解释背景时存在不足，需要改进以提高准确性和教育适宜性。

本研究探讨了人工智能标准化病人系统SOPHIE在晚期癌症护理中如何改善医护人员的沟通技能。该系统提供个性化反馈，显著提升了沟通效果，展示了AI工具在临床教育中的潜力。

本研究评估了生成性人工智能（GenAI）在计算教育中的应用，特别是在编程课程中的教学效果。通过文献综述和调查，发现GenAI工具能够提供个性化反馈，提升大规模课堂教学和学生编程技能。

本文探讨了利用机器学习和深度学习技术改善睡眠质量的方法，包括认知行为疗法和神经网络模型。研究表明，通过分析多源数据和个性化反馈，可以有效监测和提升个体睡眠质量。此外，结合社交网络和可穿戴设备数据的模型（如SPAND）显示出良好的预测性能，为个性化健康管理提供了新思路。

生成式人工智能在语言学习中为学习者提供个性化练习和反馈，但教师和学生需认识到其局限性和伦理问题。研究表明，教师对AI的认识在增加，但对其准确性和潜在作弊问题仍有担忧。Z世代学生对AI持乐观态度，认为其能提高学习效率，而教师则强调需制定使用指南以确保负责任的应用。

本文探讨了大型语言模型在编程教育中的应用，特别是其生成个性化反馈的能力。研究评估了不同模型在可视化编程和程序合成中的表现，发现存在性能不足的问题。通过微调和新技术，旨在提升模型在编程任务中的有效性和质量，推动编程教育的进步。

本文探讨了大型语言模型（LLMs）在编程教育中的应用，提出了新提示范式以增强用户控制。研究表明，LLMs能够生成个性化反馈，但在任务接近结束时可能会误导学生。此外，介绍了通过提示转化解决编程问题的新方法，以及利用头脑风暴框架提升代码生成能力。研究强调了LLMs在教育中的潜力，并提供了改进代码质量的见解。

本研究探讨了生成式预训练转换器（GPT）在教育中的应用，尤其是在个性化反馈和评估导师表现方面。研究发现，GPT模型能够有效识别赞扬的组成部分并提供建设性反馈。使用GPT-4生成的反馈质量优于GPT-3.5，能更准确地识别学生编程中的错误。未来研究将集中于增强提示工程和开发更通用的评分标准。

研究表明，大型语言模型（LLMs）在编程教育中具有重要应用，能够帮助学生识别和纠正代码错误，并提供个性化反馈。尽管LLMs在逻辑错误识别方面表现良好，但其反馈有时可能误导初学者，因此需要教育者的指导。研究还探讨了如何将LLMs整合到教育工具中，以提高学习效果。

本研究探讨了GPT-3.5和GPT-4模型在教育中的应用，特别是在自动评分和个性化反馈方面。研究表明，GPT-3.5在评分准确性上优于BERT模型，并能生成高质量反馈。GPT-4在教师与学生的对话中表现出色，但在识别真诚赞扬方面存在不足。未来研究将集中于提升提示工程和评估模型的教学能力。

本研究比较了基于GPT-3.5的ChatGPT和GPT-4在编程教育中的表现。结果显示，GPT-4在某些场景下接近人类导师，但仍存在局限。研究强调了及时反馈的重要性，并探讨了AI在个性化编程反馈中的潜力。评估不同提示策略后发现，简单直接的提示能提高代码生成效果，表明GenAI将改变编程领域的角色。