Ein Forschungsteam hat ein offenes Sprachmodell auf die Unterlagen eines einzelnen Hochschulkurses zugeschnitten. Grundlage waren Vorlesungsvideos, Notizen und Lehrbücher einer Veranstaltung zur Finite-Elemente-Methode. Das Modell wurde mit dem Verfahren Low-Rank Adaptation nachtrainiert und mit einer Suche über dieselben Materialien verbunden; eine Prototyp-Webseite verweist in den Antworten auf die passenden Abschnitte und auf Stellen in den Vorlesungsvideos.
Bewertet wurde auf vier Wegen: mit einem Ähnlichkeitsmass, durch ein Sprachmodell als Beurteiler, durch Fachleute und in Nutzerstudien. Nach dem quantitativen Mass lag das kursgebundene Modell in 86 Prozent der Testfälle vor dem unveränderten Grundmodell. Das beurteilende Sprachmodell zog es unter beiden Prüfvorgaben vor, fortgeschrittene Nutzerinnen und Nutzer etwa doppelt so oft.
Was diese Zahlen nicht belegen: dass jemand damit mehr lernt. Gemessen wurde die Übereinstimmung mit dem Kursmaterial, nicht der Lernerfolg. Der Vergleich stützt sich zudem auf eine einzige Veranstaltung; die Autoren verstehen ihr Vorgehen als Vorlage für weitere MINT-Fächer, nicht als Beleg dafür, dass es dort ebenso ausfällt. Die Kursleitung fand die Abstimmung auf den Stoff besser als bei einem neueren Modell mit geschlossenen Gewichten, wobei beide mit demselben nachgeschalteten Modell zur Antwortsynthese verbunden waren – das ist ein Fachurteil, keine Messung.
Für die Region
Für eine Schule oder ein KMU hier heisst das: Ein Assistent, der auf die eigenen Unterlagen trainiert ist, antwortet näher am eigenen Stoff als ein Modell von der Stange – ob dabei mehr gelernt wird, sagt die Untersuchung nicht.