- LLMs 能通过教学来学习吗？初步研究
教学，LLMs，知识蒸馏，教学学习，模型改进。
- 自动微分实施的逐步介绍
自动微分是深度学习中的关键组成部分，本文通过逐步引入一个简单的自动微分系统的实现，弥补了现有系统的复杂性和教学上的不足，使整个设置显得非常自然。
- 手语培训计划：ISENSE 项目中通过虚拟现实实现的社会融合
ISENSE 项目旨在为聋人学生提供不同的技术工具来在学术背景下教授手语，并通过利用虚拟现实环境开发一个应用程序，以快速易行地创建手语的综合数据库，并利用基于人工智能的软件来准确分类和识别静态和动态手语：从字母到句子。
- EduGym：强化学习教育环境套件
通过 EduGym 这一套教育性的强化学习环境和配套的交互式笔记本，该研究旨在帮助学生更好地理解强化学习的概念和实践，通过提供特定挑战方面的环境和解决方案，从而提高教学效果。
- L2T-DLN：学习使用动态损失网络进行教学
此研究论文介绍了使用动态损失函数来指导学生模型训练的教师模型，通过设计带有记忆单元的教师模型，利用教师的经验引导学生学习，并通过动态损失网络利用损失的状态来增强教师和学生模型之间的交互，实验结果证明该方法可以提高学生模型的学习性能和在实际任 - 语言模型是否能使用苏格拉底方法？代码调试实验
通过创建数据集并使用不同的语言模型进行基准测试，我们介绍了一个多轮 Socratic 建议的手动数据集，旨在帮助初学者程序员修复简单计算问题的错误解决方案，以及自动化 Socratic 对话代理的调试能力评估。
- K-12 教育中自然语言处理教学的数字学习环境综述
本文综述了数字学习环境在 K-12 教育中教授自然语言处理（NLP）的应用情况，探讨了现有的数字学习工具如何支持特定的 NLP 任务与流程，并研究了它们在教育背景下的可解释性和评估结果。通过检验这些工具的优点和限制，本文研究揭示了 K-12 - 崭新的世界：人工智能在教学和学习中的应用
我们示范了大型语言模型在教学和学习中的应用，并讨论了已经在教育领域发生的人工智能事件，我们主张迫切需要在大学引入人工智能政策并进行持续的监管策略。关于人工智能政策，我们认为每个机构都应该拥有关于人工智能在教学和学习中的政策，这至少有两个重要 - 词语化：一种新的英语拼写模式教学方法
用语言学原理应用于单词的正字法和音韵学特性，通过字义化这一网络应用程序，为美国的小学生提供了一种新的英语拼写和词汇认知教学方法，解决了现有教学方法无法触及到所需受众的问题。
- 等待、禁止和接纳：高等教育中生成式人工智能政策适应的实证分析
本研究旨在了解世界各地大学关于使用生成式人工智能工具（如 ChatGPT）所制定的政策以及影响其决策的因素，发现大学之间在 ChatGPT 政策上存在明显差异；其中三分之一的大学实施了 ChatGPT 政策，而大部分禁止其在评估中使用的大学 - ACL跨学科教授自然语言处理：挑战与机遇
本文通过作者的教学经验，探讨了在没有相关课程生态系统的情况下，向不同背景的学生教授自然语言处理 (NLP) 的挑战，同时也指出了 NLP 研究者和工具开发者在该领域需要面对的几个挑战领域。
- ICLR讲解式教学
提出了一种基于评论的灵活教学框架，使用基于梯度的方法来学习有助于模型训练的元信息，并从权重训练样本、参数化标签相关数据增强策略到表示突出显示显著图像区域的注意力掩码等多个方面探讨了评论的广泛应用。结果表明，评论可以提高训练速度和 / 或性能 - AAAI深度交互学习的重加权方法
本研究提出了一种改进的数据重新加权算法，通过将学生模型的内部状态提供给教师模型并使用元梯度一起训练，以增强学生模型训练的自适应样本权重，并在图像分类和神经机器翻译实验中证明了其显著的改进效果。
- NIPS使用动态损失函数学习教学
本文探讨了通过动态、自动输出适当损失函数来训练机器学习模型的可能性，并提出了一种高效学习教师模型的方法（称为 “学习动态损失函数的教学”），经过对图像分类和神经机器翻译等任务的广泛实验，证明了该方法显著提高了各种学生模型的质量。
- MMonlineSPARC: Answer Set Programming 的编程环境
开发了一个在线的答案集编程环境，具有自包含文件系统和简单的用户界面，使得逻辑编程可以更易于被广大的本科生及中小学生所学习。
- 合作多智体强化学习中的教学学习
本文提出了一种新的算法，名为 Learning to Coordinate and Teach Reinforcement（LeCTR），通过在协作多智能体强化学习中使每个代理都学习何时提供何种建议，从而改善整个团队性能和学习效果。实证比较 - ICLR教学的学习
本文介绍一种名为 “学习教学” 的方法，它利用两个智能代理相互交互：一个学生模型和一个教师模型。教师模型利用学生模型的反馈来优化自己的教学策略，以达到教师和学生的共同进化，并在各种机器学习任务下通过使用深度神经网络等模型来展示这一方法的实用