基于人工智能的阿拉伯语言与语音辅导
人工智能正在通过数据驱动的个性化学习解决方案改变教育。本文介绍了 AI Tutor,一种创新的网页应用程序,利用先进的大型语言模型(LLM)提供任何科目的个性化辅导。AI Tutor 通过摄取课程材料,构建适用于课程的自适应知识库。当学生提出问题时,它检索相关信息并生成详细的对话式回答,并引用支持证据。该系统采用先进的大型语言模型和 RAG(Retrieval-Augmented Generation)技术,以实现准确、自然的问题回答。我们提供了一个完全功能的网页界面和视频演示,展示了 AI Tutor 在不同学科中的多样性和产生有教育价值的回答的能力。虽然这只是一个初始原型,但这项工作代表着朝着能够使更多人获得高质量定制教育支持的 AI 辅导系统的先驱性一步。
Nov, 2023
在这项工作中,我们探索了一种全面应用最先进的大型语言模型(LLMs)开发的智能辅导系统,涵盖了自动课程规划和调整、个性化教学和灵活的测验评估,以使系统对长时间互动具有健壮性,并满足个性化教育的需求。
Sep, 2023
利用 GPT-3.5-Turbo 模型作为 AI 导师的自动化编程评估系统中,利用经验数据和探索性调查发现了不同用户类型以及与 AI 导师的交互模式,总结了实时反馈和可扩展性等优势,但也指出了一些挑战,例如通用回答和学生对使用 AI 导师时学习进展受限的担忧。这项研究为教育中人工智能的作用增加了有益的话题。
Apr, 2024
这项研究提出了一个创新的阿拉伯语问题生成系统,通过关键词和关键短语提取、问题生成和后续排名的三个阶段来解决自动生成阿拉伯语评估问题所面临的困难。提出的方法和结果表明精确度为 83.50%,召回率为 78.68%,F1 得分为 80.95%,显示出该框架的高效性。人工评估进一步证实了模型的效率,获得了 84% 的平均评分。
Jun, 2024
综述了大型语言模型对阿拉伯语方言的机器翻译效能以及在翻译任务中与人类指令的对齐能力,发现大型语言模型在处理某些阿拉伯语方言时可能面临挑战,尤其是针对缺乏公开数据的阿尔及利亚和毛里塔尼亚方言,但对更普遍的方言表现令人满意,虽然偶尔落后于像 Google 翻译这样的商业系统。总体而言,现有的大型语言模型在包容性方面仍有待改进,仅具有有限的能力来满足不同社区之间的语言和文化复杂性需求。
Aug, 2023
我们提供了 ArTST,这是一个预先训练的阿拉伯文本和语音转换器,支持用于阿拉伯语言的开源语音技术。该模型的架构遵循最近发布的英语统一模态框架 SpeechT5,并且专注于现代标准阿拉伯语(MSA),未来版本计划将该模型扩展为方言和混合阿拉伯语。我们从头开始对 MSA 语音和文本数据进行了预训练,并对以下任务进行了微调:自动语音识别(ASR),文本到语音合成(TTS)和口语方言识别。在与 SpeechT5 以及先前报告的结果在这些任务中的比较实验中,ArTST 在所有三个任务中表现与或超过当前最先进技术水平。此外,我们发现我们的预训练有利于泛化,尤其在资源匮乏的 TTS 任务中表现明显。预训练模型以及微调后的 ASR 和 TTS 模型已发布供研究使用。
Oct, 2023
该论文提出了一种新颖的框架,即人工智能增强型智能助手(AIIA),用于个性化和自适应的高等教育学习。AIIA 系统利用先进的人工智能和自然语言处理技术,创建了一个互动和吸引人的学习平台,通过提供易于获得信息、促进知识评估和提供个性化学习支持来减轻学习者的认知负担,以满足个体需求和学习风格。
Sep, 2023
通过提供弹性的教育模式建议,基于 GPT-3 的智能教育辅助框架被研发,能够自动生成课程助手,可以回答与教学相关的问题,降低教师和助教的工作量同时提高学生获得课程相关信息的机会。
Feb, 2023
本研究旨在构建一种在线语言学习工具,通过使用对话系统作为实践对话伙伴,为学习者提供对话体验。我们的系统可以根据用户的语言熟练程度进行自适应,并且提供自动语法错误反馈来帮助用户从他们的错误中学习。根据我们的初步用户反馈,我们的系统既实用又有趣。此外,我们还将为学习技术社区提供一个大规模的关于语言学习和语法更正的对话数据集。下一步,我们将使用强化学习算法来使我们的系统更加适应用户个人信息。
Jul, 2022
本研究旨在解决突尼斯方言语音识别的挑战,通过采集和注释文本和音频数据,并探索自监督、半监督和少样本代码转换方法,使其在不同的突尼斯测试集中取得前沿成果,最终通过人工评估确保翻译的准确性,所提出的模型适用于突尼斯阿拉伯语、英语和法语的语言混合,并提供训练和测试数据供公众使用和进一步改进。
Sep, 2023