本文探讨了一种生成模型技术——来自大型语言模型的聊天机器人，并报告了一项将其应用于复杂学生作品的评估中的案例，然后讨论了生成AI的内在限制和潜在应用。

May, 2023

数字化时代，人工智能在教育领域的集成带来了变革性的改变，重新定义了教学方法、课程规划和学生参与。这篇综述论文通过对比 OpenAI 的先驱性文本生成工具，如 Bing Chat、Bard 和 Ernie，特别关注最新的 ChatGPT，深入探索了数字化教育正在快速发展的格局。论文通过将教育视为系统、过程和结果的分类法，导航了人工智能的多方面应用，从分散全球教育和个性化课程到数字化记录基于能力的结果，人工智能位于教育现代化的前沿。研究强调了 ChatGPT 在仅五天内迅速增至百万用户的重要角色，突出了它在民主化教育、促进自学能力和提升学生参与上的作用。然而，如此具有变革性的力量也可能被滥用，文本生成工具可能无意中对学术诚信提出挑战。通过对比 AI 在教育中的承诺和缺陷，本文主张 AI 工具与教育界之间的和谐协同，强调迫切需要制定道德准则、教学适应和战略合作。

Sep, 2023

在人工智能领域的演变环境中，图像与文本信息的融合已成为一个关键的领域，引发了图像-文本多模态模型的出现。本文全面回顾了图像-文本多模态模型的发展和现状，探讨了其应用价值、挑战和潜在研究方向。通过细分演化阶段，提出了三个不同阶段的分类，根据其引入时间和对学科的影响。此外，根据任务在学术领域的重要性和普及性，对图像-文本多模态模型相关任务进行了五个主要类型的分类，阐明了每个类别内的最新进展和关键技术。尽管这些模型取得了显著成就，但仍存在许多挑战和问题。本文深入探讨了图像-文本多模态模型固有的挑战和限制，促进了未来研究方向的探索。我们的目标是提供对图像-文本多模态模型研究现状的全面概述，并为未来学术工作提供有价值的参考。我们邀请广大学术社区共同合作，推进图像-文本多模态模型社区的发展。

Sep, 2023

该调查研究了生成性人工智能模型在教育领域的潜在应用和影响，并就教育环境中的实际应用、挑战和新兴趋势进行了综合和严格的评估，旨在为人工智能与教育之间的关系作出贡献。

Nov, 2023

该研究全面探讨了多模态人工智能方法在教育环境中实现通用人工智能的途径，着重分析了人工智能在教育系统中的演进和整合，强调多模态学习（包括听觉、视觉、动觉和语言学习）的重要作用，研究深入探讨了通用人工智能的关键方面，包括认知框架、高级知识表示、自适应学习机制、战略规划、复杂语言处理和多样的多模态数据源整合，并批判性评估了通用人工智能在重塑教育范式、提高教学和学习效果、填补现有方法论空白以及在教育环境中解决伦理考量和负责任使用方面的潜力。该论文还讨论了多模态人工智能在教育中的意义，并提供对通用人工智能发展中未来方向和挑战的洞察。这项研究旨在为人工智能、多模态和教育的交叉领域提供细致的理解，为通用人工智能的未来研究和发展奠定基础。

Dec, 2023

通过呈现示例创新的学习场景，探索了多模态大语言模型 (MLLMs) 在科学教育的核心方面的转变作用，包括文本创作、个性化学习支持、培养科学实践能力以及提供评估和反馈。同时，强调了在实施MLLMs时采取平衡的方法的必要性，确保技术对教育者角色的补充，以确保人工智能在科学教育中的有效和道德使用。

Jan, 2024

本文提出了首次系统全面评估多模式主题建模的方法，并提出了两个新的主题建模解决方案和两个新的评估指标。通过对数据集的评估，我们发现我们的模型都能生成连贯且多样化的主题。然而，一个方法优于另一个方法的程度取决于评估指标和数据集的组合，这表明未来需要进一步探索混合解决方案。值得注意的是，我们简明的人工评估与我们提出的评估指标结果一致，这不仅强化了评估指标的可信度，也突出了其在引导未来多模式主题建模研究中的潜力。

Mar, 2024

该研究通过对相关文献的系统回顾，概述了在高等教育中利用生成人工智能进行教学和学习的最新研究现状。研究发现，文献中存在研究缺口，需要进一步研究如何将生成人工智能融入教学和学习过程，加强跨学科、多维度的合作，以制定生成人工智能的使用指南、框架和政策。

Jun, 2024

本研究旨在解决儿童故事讲述中的互动性不足问题，提出一种利用生成人工智能的教育工具。该系统通过叙事共创、文本转语音和文本转视频等技术，提供生动的学习体验。研究发现，这种多模态生成方式显著提高了故事的语言表达质量和视觉呈现的准确性，具有广泛的教育应用潜力。

Sep, 2024

本研究解决了儿童故事讲述缺乏趣味性的鸿沟，提出了一种新颖的教育工具，利用生成性人工智能进行故事共创、文本转语音和文本转视频的融合。研究发现，该系统显著提升了故事的语言质量、语音转换效果和视觉生成的相关性，为学习者提供了更加吸引人的学习体验。

Sep, 2024