Resumen: Introducimos un marco modular de solicitación que admite el uso más seguro y más adaptativo de modelos de idiomas grandes (LLM) en tareas dinámicas centradas en el usuario. En tierra en la teoría del aprendizaje humano, particularmente la zona de desarrollo proximal (ZPD), nuestro método combina un indicador de límite del lenguaje natural con un esquema de control codificado con reglas de adaptación y lógica de andamio difuso. Esta arquitectura permite a los LLM modular el comportamiento en respuesta al estado del usuario sin requerir el ajuste fino o la orquestación externa. En una configuración de tutoría inteligente simulada, el marco mejora la calidad del andamio, la adaptación y la alineación instructiva en múltiples modelos, superando a las líneas de base estándar. La evaluación se realiza utilizando alumnos de LLM basados en rúbrica a escala. Si bien se desarrolla inicialmente para la educación, el marco se ha mostrado prometedor en otros dominios pesados de interacción, como la generación de contenido de procedimiento para los juegos. Diseñado para una implementación segura, proporciona una metodología reutilizable para estructurar el comportamiento LLM interpretable y alineado por objetivos en contextos inciertos o en evolución.
Publicado Originalme en export.arxiv.org El 11 de agosto de 2025.
Ver Fuente Original
