Agentic University：用于个性化学习的协作智能体

大型语言模型支持个性化辅导、内容生成和自适应学习路径。然而，能力发展需要将这些资源与交互组织成一个连贯的学习过程，并随学习者不断演进。一个核心挑战是在利用学习证据决定后续安排的同时，协调目标、活动与评估。我们提出 Human-Participatory Multi-Agent Organization，并在 Agentic University（AU）中加以实现。在 AU 中，学习者作为组织成员参与其中，并与专业化智能体协作，以维护一份可修订的 Capability Program。该计划连接个人目标、跨模态学习活动和分层评估，同时由学习者反馈与表现指导后续支持。评估结果显示，该方法在计划组织、评估设计和修订质量方面具有优势。用户取得了更大的平均评估提升（在 50 分制中为 12.19 分，相比之下为 5.61 分），并报告了更强的认知支持。本文提出了一种自适应学习的组织化方法，使学习者参与成为多智能体协作的持续基础。Agentic University 项目可在 \href{https://github.com/AgenticOrgLab/AgenticUniversity.git} 获取。