本文探讨了基于大型语言模型的知识追踪技术，提出了可解释的知识追踪模型（IKT），利用机器学习从学生数据中提取特征以预测学生表现。研究表明，LLMs在知识追踪和智能辅导系统中表现优异，能够模拟复杂的学习轨迹，并强调了上下文信息和学生遗忘行为的重要性。

研究开发了自动化工具，比较了学生独立完成、抄袭和AI助手的表现。结果显示，参与此类行为的学生在考试中获得相当的分数，且用时更短，但抄袭和独立提交的差异仅在细微方面存在，而AI助手的提交则更为复杂不易读懂，学生认为适当使用AI助手可以提高效率，但对解决方案的可读性和正确性不满意。