论文题目：A Frequency-Aware Mixture of Heterogeneous Experts Framework for Knowledge Tracing

作者：白友恒（暨南大学博士研究生），侯明良（好未来），郭腾（暨南大学），刘子韬（暨南大学），罗伟其（暨南大学）

通讯作者：郭腾

摘要：知识追踪（KT）旨在通过建模学生交互序列中的知识状态演变，实现个性化学习预测，广泛应用于大规模在线学习平台（如MOOC）。然而，现有KT模型大多依赖单一编码器架构（如自注意力或RNN），其固有的归纳偏置难以捕捉多样化的学习行为。具体而言，学生的学习过程涉及多个时间尺度，交互序列包含从短期波动到长期趋势的多种频率成分。进一步地，数据驱动的分析表明，不同编码器存在显著的频率偏好差异（如自注意力倾向于捕捉低频模式），这凸显了单一架构的局限性。为此，我们提出频率感知异构专家混合框架FA-KT，融合自注意力、LSTM、Mamba及卷积神经网络等具有互补频率特性的专家模型。通过频率感知路由器分析交互序列的频谱特征，FA-KT能够自适应地组合专家模型，为每位学生动态构建个性化编码器。在五个KT基准数据集上的实验表明，FA-KT在预测学生未来表现方面显著优于20个代表性基线方法。代码将在 https://pykt.org/ 发布。

论文题目：COMA: A Collaborative Multi-Role Agent Framework for Automated Lesson Plan Generation

作者：曾小丽（暨南大学）、郑颖（暨南大学）、黄淑妍（好未来）、刘子韬（暨南大学）、田密（好未来）、侯明良（好未来）、郑嘉琪（暨南大学）、窦文周（好未来）

通讯作者：刘子韬

摘要：一份课程计划（LP）是一个结构化的指南，用于明确教学目标、方法及评估，以确保学习活动有序进行。然而，现有的课程计划制作过程往往耗时长、结构不一致，且缺乏根据学生多样化需求实时调整的教学机制。为解决这些问题，我们提出了一个名为COMA（Collaborative Multi-role Agent）的协作多角色智能体框架，用于自动生成课程计划。COMA将课程计划的生成视为一个多智能体协作工作流程，其中智能体各自具备不同的教学专长：(1) 新手智能体（novice agent），代表一名新手教师，具备对课程流程的整体理解，但在具体教学实施上缺乏精准性；(2) 资深智能体（veteran agent），代表一名经验丰富的教师，深谙课程内容、教材以及单元知识点的细节；(3)专家智能体（master agent），代表一名教育学专家，具备成熟的课程进度掌控能力，并能有效设计、调整和实施具体教学活动。通过迭代工作流程，这些智能体协作优化课程计划的质量。我们在五个学科上进行的全面实验表明，基于专家设计的指标，COMA显著优于当前最先进的方法，生成的课程计划在质量、连贯性和教学契合度上表现卓越。我们的框架为批量生成可部署的教学内容提供了一种高效且可靠的解决方案。