浙江大学杨易教授团队在FITEE 2024年25卷第3期发表题为“Large language model and domain-specific model collaboration for smart education”的观点文章，提出一种名为“大语言模型（LLM）与领域特定模型（DSM）协作框架（LDMC）”的新型智能教育范式，旨在通过整合多种模型优势，提供个性化、精准且自适应的教育支持。

现代教育追求个性化、精确化和无处不在的学习指导。领域特定模型虽在专业任务中表现优异，但受限于狭窄的知识边界和有限的数据范围，难以处理复杂推理任务。大语言模型虽具备广泛的知识覆盖和自然语言生成能力，但存在知识过时、幻觉生成以及与学生认知水平不匹配等问题。通过结合大语言模型的通用知识、领域特定模型的专业知识及教育学理论模型，实现互补优势，可以提升教育场景的智能化和适应性。

图1 大语言模型与领域特定模型协作（LDMC）框架

LDMC框架结合了各种模型的优势，融合大语言模型的通用知识、领域特定模型的领域知识以及教育学模型的教学策略，形成多重知识表达，通过强化学习实时调整学习风格模型的权重，适应学生个性化需求和学习阶段变化。将领域特定模型作为轻量模块嵌入大语言模型，通过微调或提示工程增强大语言模型的领域任务能力。利用领域特定模型的结构化知识约束大语言模型输出，减少幻觉并提升专业性。通过领域特定模型的判别器限制大语言模型生成内容的边界，确保符合学科范围和学生认知水平。

图2 大语言模型（LLM）与领域特定模型（DSM）的合作模式

这种新型智能教育范式在智能教育多个场景具有应用潜力。小组学习通过目标对齐、沟通激励和进度同步功能，提升协作效率。根据学生学习风格生成定制化内容，支持资源访问、自我评估及终身学习。课堂管理辅助教师制定规则、自动化评估反馈，并优化教案设计。实验表明，完整LDMC框架在小组学习中的满意度评分（72/90）显著高于单独大语言模型（59/90）以及未整合学习风格模型的LDMC框架（62/90）。