EMNLPNov, 2022

教学数学应用题的苏格拉底子问题自动生成

PDF
TL;DR通过提出各种引导问题生成方案，基于输入条件和强化学习探索了大型语言模型在引导数学词问题求解中生成顺序问题的能力，发现在这种约束性问题的属性下，可生成高质量的问题，并提高了整体问句求解的性能。通过初步用户研究发现，提出的许多问题对于教育领域有潜在的价值。
socratic questioningmath word problem-solvinglanguage modelseducationquestion generation
发现论文，激发创造
  • 使用数据增强和优化偏好改进苏格拉底问答生成

    通过使用强化学习反馈和直接优化方法，我们提出了一种数据增强方法和优化模型来处理大型语言模型生成的无效问题，实验结果显示，经过优化的 LLama 2 模型在生成有效问题方面优于现有的方法。

    Mar, 2024

  • SOCRATIC QUESTIONING 的艺术：利用递归思维和自问自答进行零样本多模态推理

    本研究提出了 Socratic Questioning 算法，该算法模拟了人类在解决复杂问题时分治的思维过程，并应用于视觉问答任务，取得了在三个公共基准数据集上都显著超过对照组的性能提升。

    May, 2023

  • 通过生成问题语句的语言变体来求解数学应用题

    该论文提出了一种用于解决数学问题的框架，该框架基于生成问题文本的语言变体，利用 DeBERTa 编码器构建解决方案表达式，通过对每个变体问题进行求解并选出获得大多数选票的预测表达式来改善数学推理和模型的鲁棒性。

    Jun, 2023

  • 基于常识知识图谱和方程式的数学应用题生成

    本研究提出了一种通过神经网络模型从常识知识图谱和方程式中生成多样化数学单词问题的方法，并在教育评估方面表现出优越性，其中自规划模块实现了方程和常识知识信息的自动融合。

    Oct, 2020

  • 语言模型是否能使用苏格拉底方法？代码调试实验

    通过创建数据集并使用不同的语言模型进行基准测试，我们介绍了一个多轮 Socratic 建议的手动数据集，旨在帮助初学者程序员修复简单计算问题的错误解决方案，以及自动化 Socratic 对话代理的调试能力评估。

    Oct, 2023

  • 可解释的数学问题解决方案生成：通过逐步规划

    该研究提出了一种基于逐步规划的中间解决方案生成方法，通过预测所需的数学运算并引导语言模型生成来解决数学单词问题，并在人类评估和自动度量标准上提高了解决方案的准确性和可解释性。

    Jun, 2023

  • 走向可行的数学推理：解决数学应用题的挑战、策略和机遇

    研究了解决自然语言描述的数学问题的非神经和神经方法，并突出了这些方法具有可泛化、数学合理、可解释和可解释的能力，提出使用外部知识和知识渗透学习的需求和机会。

    Oct, 2021

  • 类比学习：数学应用问题中多元化问题生成

    本文提出了一种通过生成多样性问题 / 方程式来解决数学应用问题的方法，并通过新的 MWP 数据集展示了它的有效性。

    Jun, 2023

  • MATHWELL：扩展规模下的教育数学问题生成系统

    使用语言模型自动生成的 K-8 数学题库，通过定期优化和专家标注的数据，得到了迄今规模最大的英语数学题库，其中有 20,490 个问题，其中 3,484 个经过领域专家评分，发现 MATHWELL 比其他方法生成的问题更容易求解、准确和适用，有 74% 的问题有可解答的解决方案，并满足所有标准。

    Feb, 2024

  • 数学多项选择题生成：人类 - 大型语言模型协同

    本文介绍了一个原型工具，旨在促进语言模型与教育工作者的合作，以简化数学多项选择题生成过程。我们进行了一项试点研究，涉及数学教育工作者，以调查该工具如何帮助他们简化高质量的数学多项选择题的制作过程。研究发现，虽然语言模型能够生成良好形式的问题提示，但其生成的干扰项无法涵盖常见的学生错误和误解。尽管如此，人工智能与人类的合作有潜力提高多项选择题生成的效率和有效性。

    May, 2024