Dec, 2022

使用基于 Transformer 的意图识别和问答架构进行对话 AI 教学的 Build-a-Bot 项目

PDF
TL;DR本文介绍了一个名为 Build-a-Bot 的开源工具，它可以帮助学生和教师创建基于自己课程材料的聊天机器人，从而学习人工智能的基础原理。该工具主要使用自然语言处理的技术，通过训练一个定制化的模型来回答问题，旨在教授学生数据收集、数据增强、意图识别和问题回答等技能，使得之前的黑盒式聊天机器人工具得以升级。该工具设计的特别适合中学生使用，未来的工作重心是将其提供给学校，并获取学生和教师的评估。
artificial intelligenceai educationmachine learning modelsnatural language pipelinechatbot
发现论文，激发创造
  • 打造属于自己的机器人伙伴：一个可访问且引人入胜的人工智能教育开源学习模块

    该论文开发了一个面向大学和高中学生的开源学习模块，允许学生从零开始构建自己的机器人伴侣，以提供有关人工智能、机器学习、软件工程和机械工程等各个方面的实际经验和入门知识。通过人本化的人工智能，使学生能更好地理解人与人工智能的互动和人工智能伦理，并且通过实践学习活动增加了学生对未来学习人工智能、机器学习和机器人技术的兴趣。希望这项工作能为大学和高中学生提供可访问和引人入胜的人工智能教育。

    Jan, 2024

  • AI 聊天机器人作为多角色教育代理者：转变计算机科学教育中的参与度

    该研究通过设计并评价了一种 AI 驱动的多任务聊天机器人，在计算机科学教育中提升学习体验、促进学生参与。研究采用设计研究方法，开发了一个新型学习环境，其中包括指导机器人、同伴机器人、职业规划机器人和情感支持机器人四个不同的聊天机器人角色，通过满足学生的能力、自主和关联性等三个内在心理需求，以探究为基础的学习模式鼓励学生提问、寻求解决方案和探索好奇心。研究通过在一个月内与 200 名参与学生进行高等教育环境测试，将结果与人类导师和单一聊天机器人条件进行对比。研究运用混合研究方法，包括聊天记录序列分析、调查和焦点小组访谈等定量和定性手段。通过整合先进的自然语言处理技术，如主题建模和情感分析，提供了对该系统对学习者参与度、动机和探究型学习的深入理解。该研究通过其严格的设计和创新的方法，为 AI 驱动的多任务聊天机器人在重塑计算机科学教育以及创建引人入胜、支持性和激励性学习环境的潜力提供了重要见解。

    Aug, 2023

  • 对话式学习：以信息获取为强化目标的对话系统

    我们提出了一种新颖的基于 AI 的聊天机器人学习模式，用户通过与教师机器人的对话获取信息和知识。我们的系统使用了一种新型加强自我对话模式，在不同领域之间实现知识传递和关注用户的对话。我们在三个大型公共数据语料库上进行了广泛的主客观评估，证明了我们的系统在传递知识和关注用户方面的有效性，帮助用户在不阅读文章的情况下大大提高知识水平。

    May, 2022

  • InterviewBot：用于大学招生面试的实时端到端对话系统

    本论文提出了一种名为 InterviewBot 的对话机器人，它可以动态地将对话历史和定制话题集成到一个连贯的嵌入空间中，以进行 10 分钟的混合域（开放和封闭）会话，以评估外国学生申请美国大学的学术和文化准备情况。我们采用基于神经网络的端到端对话模型，使用 7,361 个人与人面试的音频记录来自动转录，其中 440 个手动进行了校正，以进行微调和评估。为了克服基于转换器的编码器 - 解码器模型的输入 / 输出大小限制，提出了两种新方法，即上下文关注和话题存储，使模型能够进行相关和一致的交互。我们的最终模型经过统计比较和实时邀请专业面试官和不同的学生与其互动进行测试，发现其流畅性和上下文感知能力非常令人满意。

    Mar, 2023

  • Book2Dial: 从课本中生成师生互动，实现高性价比的教育聊天机器人开发

    我们提出了一个用于生成基于教科书的综合教师 - 学生互动的框架，通过借助合适的数据合成方法来训练教育聊天机器人，同时对数据的大小和质量进行平衡以解决幻觉和重复信息的问题。

    Mar, 2024

  • 如何构建一个能够适应任何课程、使用大型语言模型和增强型检索生成技术提供准确答案的 AI 辅导系统

    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

  • 使用 Transformer 模型的有条件生成聊天机器人

    本文深入探讨了 Chabot 生成器及其生成的答案精度不足的挑战问题，并提出了一种新的端到端架构，利用 Wasserstein 生成敌对网络和变压器模型，同时在生成器和鉴别器模型中使用嵌入式变压器，以提高 Chabot 应答的准确性。实验结果表明，相比于现有的技术，该架构更加优越，尤其是在对于 Cornell 电影对话语料库和 Chit-Chat 数据集上的表现中体现更加明显。

    Jun, 2023

  • 辅导：面向语言学习者的基于教学的对话代理

    本文介绍了 Tutoring bot，这是一个基于大规模家教 - 学生对话数据训练的生成式聊天机器人，用于辅助英语学习。机器人通过多种教育指导和背景知识来模仿人类辅导员在语言教育中的行为，同时通过多任务学习方案来实时监测并捕捉教学情况和进展。

    Feb, 2023

  • 基于课程的教育机器人：通过综合对话数据开发语言学习聊天机器人的框架

    开发了结合了 ChatGPT 功能和英语教科书系统材料的 Curriculum-Driven EduBot 聊天机器人框架，通过提取教科书相关主题并使用大型语言模型生成相关对话，进一步使用生成的对话数据对开源 LLM 进行微调，以创建与用户课程相匹配的聊天机器人，用户研究表明，我们的聊天机器人在引导基于课程的对话和适应用户英语水平方面优于 ChatGPT，将传统教科书方法与对话式 AI 相结合，提供学习者与课程相符合的互动工具，并提供用户定制的对话练习，从而促进有意义的学生 - 机器人对话，丰富课程教学框架下的整体学习体验。

    Sep, 2023

  • 第二次对话智能挑战赛（ConvAI2）

    本文介绍了 ConvAI2 NeurIPS 竞赛的设置和结果，表明预训练 Transformer 变体是当前最佳的聊天机器人模型，但为了提高系统在与人类进行多轮会话的性能，未来的系统必须超越单词单一度量标准（如困惑度）来对话序列进行度量 —— 例如对话行为的重复性、一致性和平衡（例如问答问题的数量）。

    Jan, 2019