本文探讨了机器教学的逆问题，提出了一种新的范例，即学习者使用迭代算法，教师可以根据学习者当前的表现顺序地、智能地提供示例。它着重于实现学习者模型的快速收敛，可以通过设计教学算法减少教学示例并比没有教师进行教学的学习实现更快的收敛。

May, 2017

该论文综合系统地回顾了知识追踪 (KT) 领域的文献，涵盖了从早期尝试到使用深度学习的最新现状，强调了模型的理论方面和基准数据集的特征，阐明了相关方法之间的关键建模差异，并以易于理解的格式总结了它们。最后，我们讨论了 KT 文献中的当前研究差距和可能的未来研究和应用方向。

Jan, 2022

本文介绍了一种跨空间机器教学的方法，提出了主动查询学习者的机制以提高收敛速度，并比较了不同教师模型的实验验证结果。

Oct, 2017

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

本文研究了机器教学的问题，针对教师在教授目标概念时需要面对学生初始状态和学习速度的多样性，证明了当教师掌握学生学习动态时，使用 O (min {d,N} log (1/eps)) 个样本就能够教授整个班级，同时研究了限制条件下的教学策略可行性和教师成本与学生负担之间的平衡关系，实验结果验证了理论分析和提出的分组教学策略。

Nov, 2018

本文介绍一种名为 “学习教学” 的方法，它利用两个智能代理相互交互：一个学生模型和一个教师模型。教师模型利用学生模型的反馈来优化自己的教学策略，以达到教师和学生的共同进化，并在各种机器学习任务下通过使用深度神经网络等模型来展示这一方法的实用价值。

May, 2018

该研究提出了一个机器教学设计框架，讨论了人类老师的效率和机器学习性能的影响。作者详细介绍了一个特定于文本分类问题的机器教学系统，该框架聚焦于教学界面、机器学习器和知识库的关系，初步实验表明 MT 系统可以减少人类教学时间和机器学习器误差率。

Apr, 2022

通过基于人类教学的伪边际抽样实现机器学习的普适性教学方法，成功地在主题模型上进行训练，并在电影简介数据中验证了该方法的优势。

May, 2016

本研究提出了一种交互式机器教学算法，该算法通过选择学生观察的有代表性的图片来教授具有挑战性的视觉概念，以提高机器教学和图像分类的效率。利用该算法，我们可以基于学生的正确和错误答案，概率地模拟学生的知识水平和进展情况，从而在多个真实世界的数据集上获得更好的结果。

Apr, 2015

本文探讨了机器教学的问题，提出了基于马尔可夫决策过程的序列教学问题。通过研究多臂老虎机学习器的模拟实验和用户研究，探究了教学规划和学习者具有教师模型两种方法对于学习效果的影响，分别从学习者的角度和教师的角度考虑互动智能系统的策略行为，提供了新的研究方法。

Sep, 2018