Reliable generation of isomorphic physics problems using Generative AI with prompt-chaining and tool use
Zhongzhou Chen
我们提出了一种方法,通过提示链和工具使用使用ChatGPT生成大量同构物理问题。 这种方法能够精确控制结构变化,如数值和空间关系,同时支持问题体中的不同上下文变化。 通过使用Python代码解释器,该方法支持自动解决方案验证和简单的图表生成,解决现有基于LLM的方法的关键限制。 我们生成了两个同构问题银行示例,并将结果与更简单的基于提示的方法进行了比较。 结果表明,与更简单的非链式提示相比,快速链式链产生显着更高的质量和更一致的输出。 这项工作展示了一种有前途的方法,使普通教师能够访问有效的问题创建,这为个性化自适应测试和自动化内容开发开辟了新的可能性。
We present a method for generating large numbers of isomorphic physics problems using generative AI services such as ChatGPT, through prompt chaining and tool use. This approach enables precise control over structural variations-such as numeric values and spatial relations-while supporting diverse contextual variations in the problem body. By utilizing the Python code interpreter, the method supports automatic solution validation and simple diagram generation, addressing key limitations in exist...
