利用大语言模型多智能体探索复杂推理数学题的苏格拉底式教学方法

Abstract

本研究针对数学教学中直接给予答案、缺乏深度引导的问题，提出一种基于大型语言模型多智能体的苏格拉底式教学框架。通过设计7类学生真实学习时的认知状态，整合学生与“教学主管-教师”的多智能体协作，构建了动态多轮对话系统与引导性提问，模拟真实教学场景中逐步提问、纠错与反思的过程。基于30道高等数学题的实验表明，模型在错误答案识别（84.73）与成功拒绝率（85.10）上表现突出，但成功解释率（82.47）因逻辑复杂性受限。研究证实，该方法能有效引导学习者主动思考，通过错误根源挖掘提升问题解决能力。未来的研究将进一步扩展数据集规模，优化智能体反馈机制等。