本文提出了智能机器应该具备的基本属性，集中关注的重点是沟通和学习。我们讨论了一种简单的环境，可以用来逐步教授机器基本的自然语言沟通，作为与人类用户更复杂交互的先决条件。我们还提出了一些假设，机器应该支持哪些算法才能从环境中获得盈利。

Nov, 2015

本文探讨了机器教学的范式转变，并提出将与机器学习算法有关的知识与教学过程进行脱耦，以加速创新和赋能数百万新的机器学习模型应用。

Jul, 2017

应用驱动的机器学习研究与方法驱动的研究范式相对比，具有创新算法和应用驱动创新的潜力，然而机器学习的审查、招聘和教学做法常常阻碍了应用驱动创新的发展。本文概述了如何改进这些过程。

Mar, 2024

本文试图将机器教学组织成一致的想法集合，探究相互之间的联系、特征和存在的领域差距，以此深入地理解个体教学问题。

Jan, 2018

本文介绍一种用于程序自动合成的方法，通过结合模式识别和显式推理来解决这些复杂的编程问题，同时使用新颖的中间表示和训练算法，使程序合成系统能够自学，从而在简单的英文描述编程问题数据集上取得了最先进的性能表现。

Feb, 2019

Kuhn’s framework provides a useful understanding of the paradigm shifts in Artificial Intelligence, including the current shift signaled by the emergence of large pre-trained systems like GPT-3, and this paper summarizes the forces, issues, and risks associated with the current AI paradigm shift.

Aug, 2023

通过对过去十年应用机器学习技术于教育方面文章的定性调查，探讨了这些文献陈述的教育和社会目标与其解决的机器学习问题之间的对齐程度，发现存在跨学科差距，提出了扩展的机器学习生命周期来填补这个差距。

Sep, 2022

本文概述了自然语言处理与程序语言之间翻译意图的研究进展，重点介绍了自然语言语义分析和程序逻辑综合的技术、神经符号方法、架构、监督方法以及代码生成的框架，并分析了该领域存在的一些尚未解决的问题。

Apr, 2021

机器学习需要首先完成自身的工业革命，并探讨如何实现其目标以及促进从创新前沿到大规模生产和利用的新机遇。

Nov, 2023

本文介绍和探索了一种面向模型的新编程范式 - 基于模型的编程，提出并介绍了一种新颖的编程语言 - M Language，旨在解决将深度学习模型应用于实际业务场景中所面临的困难，通过将模型作为基本的计算单元，使开发者更专注于重要任务，如模型加载、微调、评估和部署，从而提高创造深度学习应用程序的效率，并为以模型为中心的未来提供一个强大的基础。

May, 2023