Jun, 2024

基于灵活演示检索器的数学问题知识标记系统

PDF
TL;DR知识标记对于当代智能教育应用具有关键作用，本文探索采用大型语言模型（LLMs）自动化该任务，展示了 LLMs 在数学问题知识标记任务上零次和少次检测结果的强大性能，并通过提出基于强化学习的示范检索器，成功利用不同规模的 LLMs 实现更优异的性能结果同时保持上下文演示使用的高效性。
knowledge taggingintelligent educational applicationspre-trained language modelsautomating the taskreinforcement learning-based demonstration retriever
发现论文，激发创造
  • 用 LLMs 自动标记数学问题的知识概念

    基于大语言模型的知识概念标记在数学问题的自动标记任务中显示出潜力，由于其零 / 少样本学习能力，适用于教育场景中收集大规模、专业标记数据集所面临的挑战。

    Mar, 2024

  • 大型语言模型的数量化知识检索

    大型语言模型可用于定量信息检索，以帮助数据分析任务，如贝叶斯模型的先验分布以及缺失数据的插补。我们提出了一个提示工程框架，将大型语言模型视为科学文献的潜在空间界面，并与其他已建立的方法进行比较。同时讨论了使用大型语言模型作为 “专家” 的影响和挑战。

    Feb, 2024

  • 利用 LLMs 实现内容为中心的认知代理的知识获取自动化

    该论文介绍了一种利用大型语言模型技术支持智能代理语义词典中新条目的自动学习的系统。这种学习方法通过现有的非玩具词典和自然语言生成器引导启动，将意义的表达按基本本体建立转换为自然语言句子。此学习方法已应用于学习多词表达式，其含义与智能代理语义词典中的及物动词等效。实验展示了一种融合基于知识的方法、资源、传统数据分析和大型语言模型的混合学习架构的优势。

    Dec, 2023

  • K12 数学问题的知识点自动标注

    本研究提出 LABS 模型，结合标签 - 语义注意力和多标签平滑技术，旨在改进对数学问题知识点的自动标记。实验证明，LABS 模型应用于 K12 数学问题时，利用文本分类技术和数学文本的特殊元素能够最大化地提高模型的分类准确性及预测性能。

    Aug, 2022

  • 从人类专家到机器：一个基于 LLM 的本体和知识图构建方法

    利用开源 LMMs 进行（半）自动化构建知识图谱的可行性研究以及深度学习方法的知识图谱构建

    Mar, 2024

  • 利用大型语言模型进行 NLP 教育中的概念图恢复和问题回答

    本研究探索了大型语言模型在教育应用中的能力，重点关注概念图恢复和问题回答。研究通过引入 TutorQA，一个新的专家验证的自然语言处理基准，评估了大型语言模型在领域特定的概念图和问题回答中的性能，证明其零 - shot 概念图恢复具有竞争力，且 CGLLM 生成的答案具有更精细的概念。

    Feb, 2024

  • 基于 LMM 的教育问答系统的跨数据知识图构建：以 HCMUT 为案例研究

    通过结合大型语言模型（LLMs）和知识图谱（KGs），本研究论文提出了一种自动构建知识图谱的方法，并讨论了在数字教育环境中，LLMs 与 KGs 结合在问答任务中的初步应用。

    Apr, 2024

  • 关于运用大型语言模型促进数学学习的三个问题

    通过研究大语言模型在教育应用中的潜力，该论文探讨了如何利用大语言模型提供适应性反馈来帮助学生学习数学，并提出了与此相关的挑战。

    Oct, 2023

  • Tag-LLM: 通用智能语言模型在专业领域的再利用

    通过引入一种新的模型无关框架，该框架可以学习定制输入标签来调节语言模型，并明确区分任务领域和任务功能，从而使得模型在特定领域中能够实现零样本泛化，并在预测蛋白质或化学性质以及建模药物靶标相互作用等专业领域中，超过专业为这些任务量身定制的模型的性能。

    Feb, 2024

  • 多智能体大型语言模型进行内容知识识别

    教师数学内容知识（CK）对于教师专业发展（PD）计划至关重要。我们提出了基于多智能体 LLMs 的框架，LLMAgent-CK，用于在没有人工注释的情况下评估用户反馈与确定的 CK 学习目标的一致性，并展示了在实际数学 CK 数据集 MaCKT 上有希望的 CK 识别表现。

    Mar, 2024