Az oktatásban az egyik legnépszerűbb nyelvi modell-alapú alkalmazás a tanulás támogatása: a hallgatók egyre gyakrabban fordulnak nagy nyelvi modellekhez (LLM) a tananyaggal kapcsolatos kérdéseikkel. Ezek a modellek azonban nem ismerik egy adott tantárgy konkrét anyagát, ezért gyakran pontatlan vagy kitalált választ adnak. A visszakeresés-alapú szöveggenerálás (RAG) úgy csökkenti ezt a problémát, hogy a válaszhoz egy dokumentumgyűjteményből keresi ki a releváns részleteket, a válaszok minősége viszont nagyban függ a dokumentumok feldolgozásától és a visszakeresés módjától.
Az oktatási környezet további kihívásokat jelent. Egy tantárgy anyagai jellemzően eltérő formátumú dokumentumokban (előadásdiák, jegyzetek, laborútmutatók, tárgyi adatlap) érhetők el, a fogalmak pedig gyakran több előadáson átívelve, egymásra épülve jelennek meg. A hagyományos RAG-rendszerek a dokumentumokat egymástól független szövegrészletekre bontják, így ezek az összefüggések elveszhetnek. Ezt csökkentheti egy, a tananyagból előre előállított strukturált tudásbázis, amely a fogalmak mellett a köztük lévő kapcsolatokat is rögzíti, és a tanulás támogatásának is alapjául szolgálhat.