- 在教育和评估应用中探索提示式大型语言模型的能力
利用大语言模型在现代教育领域创新的机会，通过研究提问型大语言模型、语法错误解释和人力资源面试评估，揭示了大语言模型在改变教育实践中的潜力和限制。
- 从语言学资讯中学习音位组合规则
使用与语言相关的数据来学习语法的互动学习方法，通过信息论策略选择询问或合成数据并从语言学者处获得反馈，有效率地实现语言学习。
- 现实环境中的语言与计算机环境中的语言：尽管模型规模更大但仍无法像人类一样理解语言
通过对三种不同模型的测试（Bard、ChatGPT-3.5 和 ChatGPT-4）以及与人类结果的比较，研究了模型大小对于语言模型性能的影响，发现模型大小的增加可以提高性能，但语言模型仍不如人类敏感。
- 极限条件下的语言生成
使用基本规范并且不需要进一步的假设，我们的主要研究结果是针对每个可计数的候选语言列表，都存在一个能够在极限情况下生成的代理模型，与用于识别未知语言的语言学习模型产生截然不同的结果，这表明识别语言和从中生成语言是根本不同的问题。
- 通过生成式人工智能实现第二语言学习与教学中的分布式代理
生成式 AI 为语言学习提供了重要机会。AI 工具如 ChatGPT 可以通过书面或语音聊天提供非正式的第二语言练习，学习者可以通过提示指定对话参数，如熟练水平、语言风格和讨论主题。AI 可以被指导给出修正性反馈、创建练习题或制定扩展学习计 - OmniLingo: 听说为基础的语言学习
OmniLingo 是一种基于 Interplanetary Filesystem（IPFS）的架构，用于分发监听和口语语言学习应用程序的数据，着重用户对数据的主权。
- 21 世纪语言学的繁荣：对皮安塔多西的回应 (2023)
对于 Piantadosi（2023）声称 “现代语言模型反驳了乔姆斯基的语言理论” 进行了重要评估，重点关注四个主要观点。首先，尽管大型语言模型（LLMs）具有令人瞩目的性能和实用性，但人类在接受远远较少的数据曝光后才能掌握语言能力，而年 - QVoice：阿拉伯语语音发音学习应用
该研究介绍了一种新型的阿拉伯语发音学习应用程序 QVoice，具备端到端的发音错误检测和反馈生成模块，支持非阿拉伯语为母语的人士提高他们的发音技巧，同时还帮助以现代标准阿拉伯语（MSA）为语言的固定语言者消除地方方言对其发音的潜在影响。QV - 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。
- ACL神经对话辅导中的机遇与挑战
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 - EMNLP语言学习项目的受控语言生成
本研究旨在使用自然语言生成技术快速生成英语语言学习应用的内容，并控制生成的结果以满足相关要求。根据语言学习水平及语法结构等因素，我们尝试使用预训练深度模型进行控制，评价结果表明，我们可以控制实现多样化、定制化内容的同时，实现较高的语法质量。
- EMNLP半监督终身语言学习
本文提出了一种基于无标签数据的半监督终身语言学习方法，通过构建任务特定模块和利用无标签数据，在多项语言任务上展现了其比竞争方法更为有效的学习效果，减轻了学习模型在连续任务学习中的 “灾难性遗忘” 问题。
- 语言距离与国家英语能力的关系
本文提出一种基于深度神经网络技术利用多语言预训练语言模型（如 BERT）中嵌入空间的词分布测量语言之间语义差异的解决方案，并通过实证考察验证了该方法对于解释各国英语能力在 TOEFL iBT 中一致变异的有效性，结果表明语言距离对国家的英语 - 使用聊天机器人教授语言
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 - 大数据与教育：在语言学习中使用大数据分析
教育行业中使用数据挖掘工具来处理大数据正在成为一种趋势。本文提出了关于教育数据挖掘和学习分析的基本概念、最受欢迎的工具、方法和技术，并探讨了大数据在语言学习方面的应用。
- 学会交流，学会翻译
本文中，我们提出并测试了一种使用 Emergent Communication 技术，以先前预训练好的多语言模型来改进现代无监督机器翻译系统的方法，特别是对于语料库数据量很小的语言，我们将现代多语言模型嵌入到了一个以视觉为基础的语言游戏中， - 单智能体言语允许零 - shot 任务获取
通过研究人类内部语言训练过程，提出了一种基于半监督学习的具有视觉基础图像说明描述能力的算法，可用于提高智能体对新任务的学习效率和零样本学习能力。
- 基于关注机制的上下文信息量预测模型及课程学习应用
通过注意力机制和上下文信息评估单词背景下的信息量，该研究提出了一种用于导出关键上下文元素用于单词理解的有效方法，并探究如何将其应用于学生词汇学习和机器学习中。
- 学习推断嵌入信仰的交流
本研究介绍了一种名为意图嵌入通信（IEC）的新算法，能够模仿多智能体学习语言的能力，并通过耦合进化学习来加快学习速度，并在三种协作场景下表现出比 MADDPG 等基线更优异的性能表现。
- ACL基于例子的语法错误修正解释性对于语言学习者的作用
本研究提出了一种基于样例的语法错误修正模型，旨在提高模型可解释性，并为语言学习者提供语法判断的基础，实验证明该方法可以提高修正的准确性。