Controllable Spoken Dialogue Generation: An LLM-Driven Grading System for K-12 Non-Native English Learners

대규모 언어 모델 (LLMs) 은 비모국어 환경에서 중·고등 영어 학습자의 교육적 요구를 충족시키지 못하는 경우가 많습니다. 이는 숙련도 불일치 (proficiency mismatch) 로 인해 발생합니다. 이 광범위한 과제를 해결하기 위해, 우리는 중국 국가 커리큘럼 (CSE) 을 대표 사례로 삼아 학습자의 능력에 LLM 출력을 적응시키는 숙련도 정렬 프레임워크를 소개합니다. 우리의 프레임워크는 종합적인 새로운 자원 세트 (등급별 어휘 목록과 다중 턴 대화 코퍼스) 를 지원하여 어휘 복잡성에 대한 정밀한 제어를 가능하게 합니다. 우리의 핵심 기술적 기여는 대화 다양성을 유지하면서 대화 품질을 전체적으로 최적화하도록 설계된 다중 턴 GRPO 기반 접근법인 extbf{DDPO} 알고리즘 (Diversity Driven Policy Optimization) 입니다. 이 방법은 기존 접근법보다 현저히 뛰어난 성과를 거두어, 낮은 어휘 외율 (out-of-vocabulary rates) 과 높은 다양성을 달성하면서도 대화의 자연스러움과 교육적 가치를 향상시킵니다. CSE 를 기반으로 하고 있지만, 우리의 프레임워크는 유연하게 설계되어 다른 교육 표준에도 쉽게 적용할 수 있습니다. 우리의 모델, 데이터, 코드는 모두 오픈소스화되어 비몰입 환경에서 중·고등 학습자가 직면한 고유한 과제를 효과적으로 해결하는 개인화된 영어 구술 연습을 위한 확장 가능한 플랫폼을 제공합니다.