TheoremExplainAgent : expliquer des formules mathématiques et des théorèmes scientifiques via des vidéos animées 193

Qu'est-ce que TheoremExplainAgent ?

TheoremExplainAgent (TEA) est un système d'explication visuelle de théorèmes dans le domaine STEM, basé sur une architecture à double agent, conçu pour expliquer de manière intuitive les formules mathématiques et les théorèmes scientifiques en générant des vidéos animées.

Architecture technique de TheoremExplainAgent

• Cadre de collaboration à double agent : TheoremExplainAgent adopte un flux de travail collaboratif entre un agent de planification (Planner Agent) et un agent de programmation (Coding Agent). L'agent de planification est responsable de l'analyse des théorèmes et de la planification pédagogique, tandis que l'agent de programmation convertit les plans de cours en code d'animation Manim.

• Soutien technologique principal : utilise Manim comme moteur d'animation, combine la technologie RAG (Retrieval-Augmented Generation) pour intégrer les bases de connaissances disciplinaires, et utilise TheoremExplainBench (TEB) comme système d'évaluation.

Composants principaux de TheoremExplainAgent

• Planner Agent : responsable de la compréhension du contenu des théorèmes, de l'élaboration des plans pédagogiques, de la conception des cours et de la rédaction des scripts d'explication.

• Coding Agent : convertit les plans de cours générés par le Planner Agent en code d'animation Manim, produit des vidéos d'animation de 5 minutes et les accompagne d'un commentaire audio correspondant.

Points forts techniques de TheoremExplainAgent

• Capacité de sortie multimodale : prend en charge la présentation mixte d'animations, d'images, de textes et de formules, rendant le contenu pédagogique plus vivant et intéressant.

• Amélioration de la vitesse de rendu : la vitesse de rendu est améliorée de 20 % par rapport aux méthodes traditionnelles.

• Innovation du système d'évaluation : premier standard d'évaluation quantitatif à cinq dimensions, avec un coefficient de corrélation de Spearman de 0,88.

• Déploiement léger : le modèle o3-mini réduit ses paramètres de 40 % tout en conservant 93,8 % de ses performances principales.

Scénarios d'application de TheoremExplainAgent

• Plateformes de MOOCs : telles que Coursera et Khan Academy, utilisées pour le développement de cours et la génération automatique de matériel d'animation pédagogique.

• Bibliothèques de ressources éducatives : telles qu'OpenStax et LibreTexts, utilisées pour l'enrichissement de contenu et la génération automatique de manuels dynamiques.

• 辅助 en classe : utilisé comme matériel complémentaire en classe traditionnelle pour présenter les points de connaissances clés.

• Outil d'apprentissage autonome : les étudiants peuvent revoir et consolider les connaissances acquises après les cours en regardant ces vidéos.

• Plateformes d'éducation en ligne : les plateformes peuvent utiliser cet outil pour enrichir les ressources multimédias de leur catalogue de cours.

• Soutien scolaire à domicile : les parents peuvent utiliser ces vidéos pour apporter une aide et un soutien supplémentaires à leurs enfants.

Avantages techniques de TheoremExplainAgent

• Amélioration de l'efficacité de l'évaluation humaine : l'efficacité de l'évaluation manuelle est multipliée par 4 par rapport aux méthodes traditionnelles.

• Précision de l'analyse des formules LaTeX : jusqu'à 98,6 %.

• Prise en charge des systèmes de symboles disciplinaires : prise en charge de plus de 20 systèmes de symboles disciplinaires, compatibilité avec les API de plusieurs modèles (GPT, Claude, Gemini).

Adresse du projet :https://tiger-ai-lab.github.io/TheoremExplainAgent/

Adresse de l'article :https://arxiv.org/pdf/2502.19400