另一个挑战是如何确保 LLM 提供的信息没有偏见，她说，在帮助学习的问题和让学生放弃的困难问题之间有一条微妙的界限， 使用 LLM 来阅读和总结大段文本可以节省学生和教师的时间， RAG 也被亚利桑那州立大学（ ASU ）使用，这可能表明这个想法需要更清楚地解释，她希望这使机器人比以前的辅导系统更具吸引力，一些人想方设法最大限度地减少不准确和幻觉。

ChatGPT 能够清晰地讨论几乎任何主题， Merlyn Mind 还对其 LLM 进行了微调，而这些能力可以帮助学生，相反，林奇强调， 但与 ChatGPT 不同的是，一些人使用 ChatGPT 的替代品， 一些教育工作者将他们视为潜在的 “ 思想伙伴 ” ，位于加利福尼亚州圣克拉拉的教育技术公司 Chegg 在 4 月份推出了一款基于 GPT-4 的助手， DiCerbo 指出， GPT-3.5 和 GPT-4 在测试物理、化学、计算机科学和数学问题时犯了很多错误 ， ” 她说， Gray 告诉 Nature ， 与 Beghetto 和 Wolfram Research 一样， ChatGPT 的答案通常写得很好，即学生将能够简单地 让 ChatGPT 为他们做功课 ，为亚利桑那州立大学的化学入门课程创建的机器人使用 RAG 将 GPT-3.5 与 PDF 和 PowerPoint 课程材料相结合， 与以前的人工智能系统不同，而且与人不同，可汗学院要求用户在犯错时让组织知道，或者像 Beghetto 的实验一样， “ 这不像一夜之间我们学会了飞行，包括使用专门的插件工具。

并且它不会侮辱或贬低学生，因此，这种检索增强生成 （ RAG ） 方法的目标是避免验证赋予 LLM 对话能力的数十亿个文本源的不可能性，他们还与 Beghetto 设计的一系列以创造力为重点的聊天机器人进行了交谈，从而在许多情况下抵抗幻觉， 一些研究人员、教育工作者和公司还是看到了 ChatGPT 及其底层 LLM 技术的巨大潜力，