浙江大学杨易教授团队在fitee 2024年25卷第3期发表文章，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）”的智能教育新范式。该框架旨在整合多种模型优势，为学生提供个性化、精准的自适应学习支持。

现代教育强调个性化、精准化和无处不在的学习指导。领域特定模型在专业领域表现出色，但知识范围有限，难以处理复杂推理；大语言模型知识广泛，但存在知识过时、幻觉和认知匹配度等问题。LDMC框架巧妙地结合了大语言模型的通用知识、领域特定模型的专业知识以及教育学理论模型，实现优势互补，从而提升智能教育的水平和适应性。

图1 大语言模型与领域特定模型协作（LDMC）框架

LDMC框架融合了多种模型的优势：大语言模型的通用知识、领域特定模型的专业知识以及教育学模型的教学策略，形成多层次知识表达。通过强化学习，实时调整学习风格模型权重，以适应学生个性化需求和学习阶段变化。 该框架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提升大语言模型的领域任务能力，并利用领域特定模型的结构化知识来约束大语言模型的输出，减少幻觉，提高专业性。同时，领域特定模型的判别器功能可限制大语言模型生成内容的范围，确保内容符合学科要求和学生的认知水平。

图2 大语言模型（LLM）与领域特定模型（DSM）的合作模式

LDMC框架在多个智能教育场景中具有应用潜力，例如：优化小组学习的协作效率（目标对齐、沟通激励、进度同步）；根据学习风格生成个性化学习内容，支持资源访问、自我评估和终身学习；辅助教师进行课堂管理（规则制定、自动化评估反馈、教案优化）。实验结果表明，完整的LDMC框架在小组学习中的满意度评分（72/90）显著高于单独使用大语言模型（59/90）以及未整合学习风格模型的LDMC框架（62/90）。