في عصر يستحوذ فيه الذكاء الاصطناعي على مجالات متعددة، تبرز PERSA كنموذج مبتكر يدمج التعلم المعزز من ردود الفعل البشرية (Reinforcement Learning from Human Feedback - RLHF) في مجال التعليم. فقد تم تصميم هذه المنصة لتوليد ملاحظات تعليمية آلية تتماشى مع أسلوب المعلمين، مما يلبي احتياجات الطلاب بشكل أفضل.

يواجه استخدام نماذج اللغات الضخمة (Large Language Models - LLMs) في التعليم تحديات عديدة، وخاصةً فيما يتعلق بتوافق أسلوب الملاحظات مع النغمة الخاصة بالمعلم. تسعى PERSA إلى التغلب على هذه الصعوبات من خلال تحديث نماذج LLMs بحيث تعكس صدى أسلوب الأستاذ، دون المساس بالدقة الأساسية للمحتوى.

تستند PERSA إلى عملية تقوية التعلم التي تجمع بين تجارب التدريس المشروطة، ونمذجة المكافآت من التفضيلات الزوجية، واستخدام تحسين سياسة بروكسيمال (Proximal Policy Optimization - PPO). يتمثل الابتكار في القدرة على تحسين المكونات الحاملة للأسلوب فقط، مما يقلل من الحركات العالمية للمعلمات ويعزز من التحكم الأسلوبي.

عند اختباره عبر ثلاثة مقاييس لتغذية البرمجة، بما في ذلك APPS وPyFiXV وCodeReviewQA، أثبت النظام فعاليته في تحقيق توازن مثالي بين الأسلوب والصحة العلمية. على سبيل المثال، في اختبار APPS، حققت PERSA زيادة مذهلة في درجة توافق الأسلوب (Style Alignment Score - SAC) بنسبة 96.2%.

إجمالاً، توفر PERSA طريقًا عمليًا لملاحظات تعليمية شخصية، حيث تعزز سلامة المحتوى اللازم للتعلم، بالإضافة إلى كيفية تقديمه بأسلوب يقترب من أسلوب المعلم، مما يجعل تجربة التعلم أكثر تفاعلية وإفادة للطلاب.