Nytt lokalt LLM-rättningsverktyg för STEM-ämnen presenterat

Vad har hänt

Forskare har presenterat LaTA (LaTeX Teaching Assistant), ett nytt autorsrättningsverktyg som använder en lokalt körd stor språkmodell (LLM) för att bedöma studentuppgifter i naturvetenskapliga och tekniska ämnen. Systemet är utformat för att fungera med LaTeX-baserade inlämningar och använder en fyrstegsprocess: inhämtning, segmentering, bedömning och rapportering. Den lokalt hostade LLM-modellen, gpt-oss:120b, jämför studentarbeten med en referenslösning och applicerar en YAML-baserad bedömningsmatris med binär poängsättning per objekt.

Varför det spelar roll

LaTA syftar till att lösa de problem med datasekretess som uppstår när studentdata skickas till tredjeparts-LLM-tjänster, vilket ofta strider mot regelverk som FERPA i USA. Genom att köra LLM lokalt kan lärosäten upprätthålla kontroll över studentdata och minska riskerna för informationsläckage. Verktyget har potential att effektivisera bedömningen av uppgifter i högre ingenjörs- och naturvetenskapskurser, en process som traditionellt är tidskrävande för instruktörer.

Vem påverkas

LaTA riktar sig främst till universitet och högskolor som erbjuder ingenjörs- och naturvetenskapliga program, samt instruktörer och lärare inom dessa områden. Studenterna påverkas genom att deras uppgifter kan bedömas av en AI, men med ökad datasekretess. Utvecklare och forskare inom AI och utbildningsteknik kan finna intresse i den open-source-arkitektur som används för lokal LLM-drift.

EU-status

Ej relevant för EU-status.

Mer att veta

LaTA har testats under vintern 2026 i kursen ME 373 (Mechanical Engineering Methods) vid Oregon State University, där det användes för att rätta veckouppgifter. Forskarna har inte angivit det exakta datumet för denna "vinter 2026", vilket kan indikera att det rör sig om en framtida implementering eller en akademisk framåtblick.