뉴욕공과대 올드웨스트베리 캠퍼스 연구진이 MATLAB 계산 과목용 언어모델 ‘VectorizationLLM’을 제안했다. 대상은 전기·컴퓨터공학기술학과 CTEC 247 과목이며, 스마트 벡터화와 시간·파동 벡터 분석, 구간별 함수, 푸리에 해석, 미분방정식 등 수업 범위를 다룬다. 논문은 2026년 7월 arXiv에 공개된 사전 논문으로, 동료 검토를 마친 교육 효과 연구는 아니다.
시스템은 구글의 오픈웨이트 언어모델에 강의 노트를 검색하는 검색증강생성(RAG) 지식 기반과 수업 목적에 맞춘 시스템 프롬프트를 결합했다. 학생에게 완성된 정답을 바로 내놓기보다 개념 설명과 유사 예시, MATLAB 코드와 이미지를 제공하도록 응답 경계를 설정했다. 범용 챗봇을 그대로 쓰는 대신 교수자가 정한 자료와 교육 원칙 안에서 답하게 한 설계 사례다.
논문이 설명하는 방법의 핵심은 답변 범위를 좁히고 풀이 과정을 유도하는 데 있다. 다만 공개 내용에는 참여 학생 수, 대조군, 사전·사후 시험, 오답률이나 학습 지속률 같은 정량 평가가 제시되지 않았다. 따라서 RAG가 환각을 얼마나 줄였는지, ‘정답 비제공’ 규칙이 우회 질문에서도 유지되는지, 생성 코드가 실제로 실행되는지는 확인되지 않았다.
또한 수업 노트가 틀리거나 검색 단계가 관련 없는 문단을 고르면 답변도 잘못될 수 있다. 코드 실행 검증, 수식과 그림의 대응 점검, 질문 기록의 개인정보 처리 기준이 별도로 필요하다. 특정 한 과목을 위해 만든 프로토타입인 만큼 다른 대학·수준·언어로 일반화된다고 보기는 어렵다.
VectorizationLLM은 교육용 AI가 답안 생성보다 설명과 힌트 제공에 초점을 맞출 수 있다는 설계 제안이다. 그러나 실제 학습 향상과 부정행위 억제 효과는 독립 연구나 현장 비교시험으로 검증되지 않았다. 현재 근거로는 범용 교육 해법이 아니라 제한된 강의 자료를 사용하는 조교형 시스템의 초기 사례로 해석하는 편이 타당하다.
저작권자 © STORIUM 무단전재 및 재배포 금지
