教育意图发现旨在从大量未标注教育对话数据中自动识别和发现新意图类别，是构建智能教学对话系统和教育大模型的重要基础技术。随着课堂互动、智能辅导系统和教育聊天机器人的广泛应用，传统依赖人工标注和预定义类别的意图识别方法难以适应教育场景中不断涌现的新意图需求，因此基于大语言模型的新型意图发现方法成为研究热点。
LLM赋能教育新意图发现
Dial-In LLM[1]：由Mengze Hong团队提出。背景研究表明，传统意图聚类方法主要依赖文本嵌入距离衡量样本相似性，难以准确反映人类对语义意图的理解。该研究解决了现有聚类结果与真实意图语义不一致的问题。方法构建LLM-in-the-loop意图聚类框架，利用大语言模型完成聚类语义一致性评估、意图命名及聚类结果迭代优化，同时自动确定最优聚类数量，无需人工预设类别数。实验结果显示，模型在语义一致性评估任务上达到97.5%的准确率，在意图命名任务上达到94.4%的准确率。该研究为教育场景中新意图自动发现与类别数量自适应确定提供了重要参考。
GLEAN[2]：由Henry Peng Zou团队提出。背景研究指出，开放环境下的新类别发现任务普遍存在监督信息不足和类别边界模糊的问题。该研究针对高不确定性样本容易产生错误聚类的问题，提出基于大语言模型反馈的广义类别发现框架。方法首先利用熵值识别歧义样本，再通过相似实例检索获取候选样本集合，随后利用大语言模型生成类别描述并为不确定样本提供伪标签反馈，最终结合邻域对比学习优化特征表示。实验结果表明，该方法在多个公开数据集上均优于现有先进方法。对于教育新意图发现任务，该方法能够迁移用于处理边界模糊话语，提高新意图发现质量。
SPILL[3]：由I-Fan Lin团队提出。背景研究表明，现有意图聚类方法通常需要针对每个新领域重新微调嵌入模型，迁移成本较高。该研究解决了意图聚类模型跨领域泛化能力不足的问题。方法将聚类任务转化为选择与池化问题：首先利用预训练嵌入模型检索与种子样本最接近的候选话语，再借助大语言模型筛选与种子话语具有相同意图的样本，最后通过池化策略生成更加鲁棒的意图表示向量，全流程无需额外微调。实验结果显示，该方法在多个领域数据集上达到与微调方法相当甚至更优的聚类性能。对于教育场景中的跨学科、跨年级课堂数据分析，该方法具有较强的迁移潜力。
TWIST[4]：同样由I-Fan Lin团队提出。背景研究指出，短文本意图聚类场景普遍面临无标注数据、未知类别数量以及文本语义信息不足等挑战。该研究提出一种无需训练、无需标签的新型短文本聚类框架。方法通过代表性文本构建稀疏向量表示，并利用大语言模型指导向量的迭代更新与语义优化，在无需训练和标签的条件下完成短文本聚类。在不依赖特定嵌入模型和类别先验知识的条件下完成聚类。实验结果表明，该方法在多个短文本聚类任务上取得与当前先进方法相当甚至更优的性能，同时具备较好的可扩展性和计算效率。对于教育对话中存在大量极短话语的情况，该方法提供了新的解决思路。
目前，教育意图发现研究正逐步从传统聚类和表示学习方法向大语言模型增强的新范式演进。最新研究不仅关注意图分类精度提升，更强调类别数量自动确定、歧义样本处理、跨领域迁移以及短文本理解等关键问题。未来，该领域有望进一步融合上下文感知推理、多智能体协同发现和人机协同标注机制，实现更加开放、可解释且具备持续学习能力的教育新意图发现系统，为智能课堂分析和教育大模型建设提供重要支撑。
1、Hong M, Ng W, Zhang C J, et al. Dial-In LLM: Human-Aligned LLM-in-the-loop Intent Clustering for Customer Service Dialogues. EMNLP 2025.
2、Zou H P, Singh S, Nian Y, et al. GLEAN: Active Generalized Category Discovery with Diverse LLM Feedback. arXiv:2502.18414, 2025.
3、Lin I F, Hasibi F, Verberne S. SPILL: Domain-Adaptive Intent Clustering based on Selection and Pooling with Large Language Models. Findings of ACL 2025.
4、Lin I F, Hasibi F, Verberne S. TWIST: Training-free and Label-free Short Text Clustering through Iterative Vector Updating with LLMs. arXiv:2510.06747, 2025.
2026年6月22日
上海师范大学分析测试与超算中心
