ACLJan, 2023

神经对话辅导中的机遇与挑战

PDF
TL;DR本文分析了几种生成式语言模型在语言学习时的应用，并发现当前方法在教学场景中存在有限性，需要更好的模型来解决这些问题。实验发现，目前的方法在受限的学习场景下表现出色，但在不受限制的场景中表现不佳。通过数据分析和用户研究，本文揭示了模型的推理错误，低效的平等辅导和语境不清等问题。
dialog tutorslanguage learninggenerative language modelstutoring datasetsmodel reasoning errors
发现论文，激发创造
  • 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

  • 带有课程的用户自适应语言学习聊天机器人

    本研究基于 BlenderBot3 对中学生进行英语教育，采用课程对齐解码技术构建了一个课程对齐的对话系统，并利用该系统提高学生英语学习的兴趣和对目标单词的理解。

    Apr, 2023

  • 基于网络的端到端可训练任务导向式对话系统

    本文介绍一种基于神经网络的端到端可训练的目标导向对话系统，以及一种新的数据收集方法，该方法基于一种新型的管道式 Wizard-of-Oz 框架。该方法可用于开发对话系统，帮助用户在餐厅搜索领域自然地交流并完成任务。

    Apr, 2016

  • 人机对话学习

    本文探讨了使用增强学习的方式，通过与人类交互并接受其反馈来提高对话代理的能力，模拟了在人工环境中的各种学习情况，介绍了适用于此类学习的模型，并通过机械土耳其实验验证了此方法。

    Nov, 2016

  • 基于对话的语言学习

    研究人员在机器学习和自然语言理解方面的不懈探索中探讨了基于对话的语言学习，发现预测前瞻是一种有前途的学习策略，并表明它可以在没有奖励监督的情况下正确地回答问题。

    Apr, 2016

  • 探测神经对话模型的对话理解能力

    本研究分析了神经网络开放领域对话系统所学习的内部表示，并评估了这些表示的质量以学习基本的交谈技巧。结果表明，标准的开放领域对话系统难以回答问题、推断矛盾并确定对话话题等任务，需要更多的研究来探讨建筑和训练方法，从而更好地捕捉有关对话的高级信息。

    Jun, 2020

  • 教育者驱动的导师编写：生成式人工智能方法用于创建智能导师界面

    通过使用生成型人工智能能力协助教育工作者进行个性化、高效和引人入胜的教学辅助工具设计，以弥补他们在专业编程和设计方面的不足。

    May, 2024

  • 从知识增强到多任务学习：走向类人对话系统

    研究人工智能中的对话代理，探索深度学习技术如何提高人工对话代理水平。

    Nov, 2022

  • 通过联合学习评论和评估的方式创建神经教学代理

    本文介绍了一种基于双向递归神经网络和嵌入式问题 - 答案对的关注机制的神经教学代理，用于实时预测移动教育应用用户响应正确性的任务。通过在名为 SantaTOEIC 的移动教育应用程序上进行的实验证明，我们的模型优于现有方法，并且在新用户中表现出色，同时提供了一种可解释的教育平台，其中包括智能复习系统。

    Jun, 2019

  • 教学前策略规划：具备自我精华提炼技术的对话式辅导系统

    本文提出了一种在教学策略预测和生成辅导响应之间进行联合预测的方法，并选择了若干个对话辅导数据集进行基准测试，最终提出了一种统一框架，该框架将教学响应生成和学术策略预测相结合，并采用了自身蒸馏机制来指导教学策略学习和促进辅导响应生成。通过实验和分析，揭示了教学策略对话式辅导的影响。

    Feb, 2023