带有课程的用户自适应语言学习聊天机器人
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
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
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
本文提出使用不断学习的方法,通过与用户进行对话,改进对话系统(chatbots)中按人工规则编译知识库和局限于理解自然语言的能力,提高在多种语言表达和聊天技能方面的用户满意度。
Sep, 2020
这本书介绍了一种新的对话系统学习方法,即通过自身与用户和环境的交互来学习,实现从用户和外部来源不断学习语言表达、词汇和 factual 知识、训练样本和会话技能等方面的持续改进。除了总体论述,书中还介绍了一些特定话题的持续学习方法,并探讨了未来研究的挑战。
Nov, 2022
使用大型语言模型(LLMs)的上下文学习能力与业务逻辑的确定执行相结合,描述了一种构建面向任务的对话系统的系统。与主要用于行业的基于意图的 NLU 方法相比较,我们的实验表明,使用我们的系统开发聊天机器人所需的工作量明显较少,这些聊天机器人可以成功地进行复杂对话,并且我们的系统对于大规模任务导向的对话系统具有可扩展的有益特性。我们提供了我们的实现用于使用和进一步研究。
Feb, 2024
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
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。
Jan, 2023
该研究论文提出了 Conversation Learner,一种结合了规则导向对话管理和基于机器学习的参数模型的机器教学工具,可以通过利用用户和系统之间的对话日志作为训练数据,帮助对话作者构建灵活应对复杂对话的对话管理器。
Apr, 2020