Socratic questioning is used as a teaching strategy in the code debugging domain, and TreeInstruct, an Instructor agent guided by a state space-based planning algorithm, effectively assists students in identifying and resolving errors through multi-turn interactions, demonstrating state-of-the-art performance in both single and multi-bug datasets.

Jun, 2024

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

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。

Nov, 2022

利用 GPT-4 和苏格拉底方法，我们提出了一种新的基于 SocREval 的评估框架，能够自动评估当前模型的推理能力，并证明了该框架在消除人工参考链的情况下，显著提高了 GPT-4 的性能，超过了现有的基于参考和无参考的推理评估指标。同时，我们的研究表明这个框架在成本效益、提示编写和示例选择方面都是有效且健壮的。

Sep, 2023

通过基于 GPT-4 模型的苏格拉底学习法的对话式智能辅导系统（SPL），我们的研究展示了大型语言模型如何增强基于对话的智能辅导系统，并扩展了教育技术的可访问性和效力。

Jun, 2024

本文介绍了一种用于神经网络的增强学习方法，通过利用关系提取任务的弱监督数据进行训练，将逐渐生成高质量的标注数据，并提高模型的精度并减少误差。

Oct, 2016

本文介绍了一种基于问题驱动的无监督预训练目标 ——Socratic 预训练，该方法使得预训练模型更加高效地遵循用户提供的查询，并识别相关内容进行长文本可控摘要。作者的实验结果表明，Socratic 预训练方法不仅具有较高的性能，而且将特定任务的标记数据需求减少了一半。

Dec, 2022

本文提出了 Socratic Models（SM）框架，该框架可用于将多个大型预训练模型组合为一体，以实现对多模式数据的交换和新的多模式应用成果。

Apr, 2022

通过使用 Socratic rationales 来合理化思维改写过程，改进了积极文本改写的方法，以应用于无障碍心理健康和心理治疗的大型语言模型解决方案。

Mar, 2024