Nov, 2018

学生诊断推理自动分析的挑战

PDF
TL;DR本文旨在自动化模拟诊断的认知活动以便为学生提供反馈，同时讨论了自动化识别认知活动所面临的三个挑战，并提出了各自的性能度量标准。此外，根据提供的诊断自述语料库的检测，作者评估了几种 RNN 神经网络架构，证明目前的技术无法解决一些挑战。
发现论文，激发创造
  • NeurIPS 2020 教育挑战赛 - 诊断问题的指南与说明

    该研究论文讨论数字技术在教育中的应用，说明了通过分析数百万学生对诊断性问题的回答，可以更准确地了解学生的学习状态，并允许自动化的个性化学习计划建议的可能性。

    Jul, 2020

  • 专家领域困难语篇级任务自动标注建议分析

    研究自动化生成的注释建议对诊断推理文本中认识活动分段和分类的可行性和效果，并提供了一个新的数据集。建议具有正面的效果和不引入显著偏见，未来应该结合连续模型调整的方法以提高建议模型的性能。

    Jun, 2019

  • DR.BENCH：临床自然语言处理的诊断推理基准

    本研究介绍了一种新的基准测试套件，称为 DR.BENCH，旨在开发和评估具有临床诊断推理能力的 cNLP 模型，这是第一个被设计为自然语言生成框架以评估预训练语言模型的临床任务套件。

    Sep, 2022

  • 如医师般推理：通过诊断推理过程对医疗对话系统进行改进

    通过仿真临床医生的诊断推理过程来构建与临床医生诊断推理过程相一致的医疗对话系统，提出了一种新颖的 Emulation 框架，通过思维过程建模，生成与临床医生偏好相一致的妥当回应，并且为生成的回应提供明确的解释，增强了在医学咨询中的透明度。

    Jun, 2024

  • 基于领域内语言模型的诊断推理多任务训练

    本研究的重点是使用 DR.BENCH 这一包含 6 个任务的综合生成 AI 框架对领域内和领域外语言模型进行比较分析，发现多任务、经过临床训练的语言模型在 DR.BENCH 中的问题总结任务中表现超过了其一般领域的对应物，取得了 28.55 的 ROUGE-L 得分，显示出了为优化临床诊断推理任务而进行领域特定的训练的价值。

    Jun, 2023

  • 大型语言模型执行诊断推理

    通过将思路链式提示（CoT）拓展到医学推理领域，我们提出了诊断推理 CoT（DR-CoT）。实证结果表明，通过仅向仅训练于一般文本语料库的大型语言模型提供两个 DR-CoT 实例来指导，诊断准确性提高了 15%。此外，在领域外情景中，该差距达到显著的 18%。我们的研究结果表明，大型语言模型中可以通过适当的提示引出专家知识推理。

    Jul, 2023

  • 基于叙述的后验推理在认知机器人技术中的应用

    在自主轮椅机器人控制任务中，通过应用驱动的工作，利用智能环境框架获取基于叙述式知识的环境信息，通过机器人认识模型的稳定模型后预测异常并进行即时控制，具体使用了基于答案集编程的近似认识动作理论计划器实现了整体推理。

    Jun, 2013

  • ARC 数据集中知识、推理和语境的系统分类

    本文提出了一套完整的科学问题解答所需的知识和推理类型定义方法，回答 ARC 数据集中的问题需要的标注信息分布和相关统计的分析，证明了人工选取的相关句子能够提高神经机器理解模型的 42 个百分点的性能。

    Jun, 2018

  • TYPIC: 基于模板的论证诊断评论语料库

    本文提出一种以模板选择和槽填充为基础的任务公式来自动化评估学习者论述中的弱点，需要遵循具体的诊断评论标准，并定义了可行性的三个标准：表现力，信息量和唯一性，并通过一个注释研究来验证了创建满足这些标准的模板集。

    Jan, 2022

  • 辩述型写作中证据和推理修订的标注和分类

    研究了自动写作评估系统如何改善学生写作，着重探讨对论证文本进行修订的相关方面，包括修订类型以及对所给反馈的响应程度。通过分析 5-6 年级学生的论文，引入了一种注释方案来捕捉证据使用和推理方面的修订，并展示了手动注释和修订注释与综合评估的相关性。此外，还研究了自动根据该方案对修订进行分类的可行性。

    Jul, 2021