知识追踪（KT）模型用于建模学生不断变化的知识状态，以预测未来的表现，成为个性化教育的基础。传统深度学习模型虽然具有高准确性，但往往缺乏可解释性。大型语言模型（LLMs）具备强大的推理能力，但在有限的上下文窗口和幻觉问题上表现不佳。此外，现有的基于LLM的方法通常需要昂贵的微调，限制了其可扩展性和对新数据的适应能力。提出的MERIT（记忆增强检索）是一种无训练框架，结合了冻结的LLM推理与结构化的...