Aktuelle Arbeiten

Problem

Eine Sprache fühlt sich erst dann wie die eigene an, wenn man sie spricht, doch ein Gesprächspartner auf dem eigenen Niveau, mit Zeit und Geduld, ist schwer zu finden - und die Übungen in jedem Lehrbuch oder jeder App gehen lange vor dem Lernbedarf aus. Dieselbe Lücke zeigt sich vor einer Prüfung wie dem DTZ: Offizielle Übungstests sind schnell aufgebraucht, und Lernende lernen am Ende Antworten auswendig, statt Hören und Lesen zu trainieren.

Architektur

• Der Prüfer löst, statt zu validieren. Zeigte man dem Modell den Lösungsschlüssel und fragte, ob er stimmt, redete es fehlerhafte Aufgaben schön und ließ sie durch. Sollte es die Frage stattdessen blind beantworten und jede vertretbare Option auflisten, fand es jede fehlerhafte Aufgabe; das Urteil folgt dann mechanisch aus seiner Wahl.
• Konservativ nur in eine Richtung. Eine falsche Ablehnung vernichtet eine einwandfreie Aufgabe, während eine falsche Annahme nur den Status quo erhält, daher liefert jeder Fehlerpfad - nicht erreichbarer Anbieter, fehlerhafte Antwort, Antwort außerhalb des Wertebereichs - ein Bestanden, und eine Ablehnung verlangt sowohl einen benannten Mangel als auch eine hohe angegebene Konfidenz.
• Einschränkungen gehören in den Code. Eine Prompt-Zeile, die begrenzte, wie oft sich eine grammatische Kategorie über die Lücken hinweg wiederholen darf, war nur eine Empfehlung und wurde stillschweigend ignoriert. Jetzt deklariert das Modell pro Lücke eine Kategorie, und der Server verwirft den gesamten Aufgabensatz, wenn die Streuung zu gering ist.
• Timeouts, die schon angekommen sind. Ein Read-Timeout bedeutet, dass die Anfrage die Engine erreicht hat und noch generiert wird; ein erneuter Versuch startet einen doppelten Job auf einer Maschine, die nur einen auf einmal verarbeitet. Solche Fehler schlagen jetzt schnell und einzeln fehl, stattdessen läuft die Generierung serialisiert.
• Getrennte Screens statt gemeinsamer Verzweigungen. Ein zweites Prüfungsformat per Verzweigung im funktionierenden einzubauen, gefährdete ein Format, das Lernende bereits nutzten. Deshalb bekam das neue einen eigenen Dienst und einen eigenen Screen-Baum hinter einer expliziten Liste unantastbarer Dateien, per Diff überprüft.