論文の概要: An Empirical Study of Finding Similar Exercises
- arxiv url: http://arxiv.org/abs/2111.08322v1
- Date: Tue, 16 Nov 2021 09:39:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-17 15:07:46.468794
- Title: An Empirical Study of Finding Similar Exercises
- Title（参考訳）: 類似運動の発見に関する実証的研究
- Authors: Tongwen Huang and Xihua Li
- Abstract要約: ラベルスカースデータセットのための中国語教育事前学習言語モデルBERT$_Edu$をリリースする。
エクササイズをよりよく理解するために、FSEタスクのための非常に効果的なMoE拡張マルチタスクモデルを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Education artificial intelligence aims to profit tasks in the education
domain such as intelligent test paper generation and consolidation exercises
where the main technique behind is how to match the exercises, known as the
finding similar exercises(FSE) problem. Most of these approaches emphasized
their model abilities to represent the exercise, unfortunately there are still
many challenges such as the scarcity of data, insufficient understanding of
exercises and high label noises. We release a Chinese education pre-trained
language model BERT$_{Edu}$ for the label-scarce dataset and introduce the
exercise normalization to overcome the diversity of mathematical formulas and
terms in exercise. We discover new auxiliary tasks in an innovative way depends
on problem-solving ideas and propose a very effective MoE enhanced multi-task
model for FSE task to attain better understanding of exercises. In addition,
confidence learning was utilized to prune train-set and overcome high noises in
labeling data. Experiments show that these methods proposed in this paper are
very effective.
- Abstract（参考訳）: 教育人工知能は、知的テスト用紙の生成や統合演習などの教育分野におけるタスクの利益を目標としており、そこでは、類似したエクササイズ(FSE)問題の発見として知られるエクササイズにマッチする方法が主な技術である。
これらのアプローチの多くは、エクササイズを表現するためのモデル能力を強調したが、残念ながら、データの不足、エクササイズの理解の不十分、ハイラベルノイズなど、多くの課題がある。
ラベル・スカースデータセットのための中国語教育事前学習型言語モデルbert$_{edu}$をリリースし,数式と運動用語の多様性を克服するために運動正規化を導入する。
課題解決のアイデアに頼って,新しい補助課題を革新的な方法で発見し,FSEタスクのための非常に効果的なMoE拡張マルチタスクモデルを提案する。
また,ラベリングデータの高ノイズを克服するために,信頼度学習を用いた。
本論文では,これらの手法が有効であることを示す。
関連論文リスト
- Intelligent Repetition Counting for Unseen Exercises: A Few-Shot Learning Approach with Sensor Signals [0.4998632546280975]
本研究は、IMU信号の解析により、運動繰り返しを自動カウントする方法を開発した。
本稿では,深度測定に基づく数点学習手法を用いた反復カウント手法を提案する。
86.8%の確率で、28回の異なるエクササイズで1セットに10回以上の繰り返しを正確に数えることが可能である。
論文 参考訳（メタデータ） (2024-10-01T05:04:40Z) - Model-Based Transfer Learning for Contextual Reinforcement Learning [5.5597941107270215]
トレーニングすべき優れたタスクを体系的に選択する方法を示し、さまざまなタスクにおける全体的なパフォーマンスを最大化する。
このアプローチの背後にある主要なアイデアは、トレーニングされたモデルを転送することで生じるパフォーマンス損失を明示的にモデル化することです。
都市交通と標準制御ベンチマークを用いて,提案手法を実験的に検証した。
論文 参考訳（メタデータ） (2024-08-08T14:46:01Z) - LLM Critics Help Catch Bugs in Mathematics: Towards a Better Mathematical Verifier with Natural Language Feedback [71.95402654982095]
本研究では,自然言語フィードバック型検証器Math-Minosを提案する。
実験の結果,少量の自然言語フィードバックが検証器の性能を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2024-06-20T06:42:27Z) - Learn Beyond The Answer: Training Language Models with Reflection for Mathematical Reasoning [59.98430756337374]
教師付き微調整により、様々な数学的推論タスクにおける言語モデルの問題解決能力が向上する。
本研究は,手前のトレーニング問題をより深く理解することを目的とした,新しい技術を紹介する。
本稿では,各トレーニングインスタンスに問題反映を埋め込む手法であるリフレクティブ拡張を提案する。
論文 参考訳（メタデータ） (2024-06-17T19:42:22Z) - Data-CUBE: Data Curriculum for Instruction-based Sentence Representation
Learning [85.66907881270785]
本稿では,学習用マルチタスクデータの順序を列挙するデータカリキュラム,すなわちData-CUBEを提案する。
タスクレベルでは、タスク間の干渉リスクを最小化するために最適なタスクオーダーを見つけることを目的としている。
インスタンスレベルでは、タスク毎のすべてのインスタンスの難易度を測定し、トレーニングのためにそれらを簡単に微分できるミニバッチに分割します。
論文 参考訳（メタデータ） (2024-01-07T18:12:20Z) - Finding Similar Exercises in Retrieval Manner [11.694650259195756]
与えられたエクササイズに対して同じようなエクササイズを見つける方法が,重要な技術的問題になります。
我々は「類似演習」を、リコール、ランキング、再ランクの手順に基づく類似演習の集合を見つけるための検索プロセスとして定義する。
運動の意味情報の包括的表現は,表現学習によって得られた。
論文 参考訳（メタデータ） (2023-03-15T01:40:32Z) - Effective Vision Transformer Training: A Data-Centric Perspective [24.02488085447691]
視覚変換器(ViT)は畳み込みニューラルネットワーク(CNN)と比較して有望な性能を示した
本稿では,DDP(Dynamic Data Proportion)やKAR(Knowledge Assimilation Rate)など,いくつかの指標を定義する。
トレーニングサンプルの難易度を動的に測定し,異なるトレーニング段階におけるモデルに対する効果的なサンプルを生成するための,新しいデータ中心型ViTトレーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-29T17:59:46Z) - Training Data is More Valuable than You Think: A Simple and Effective
Method by Retrieving from Training Data [82.92758444543689]
検索に基づく手法は,外部知識を導入してNLPタスクに有効であることが示されている。
意外なことに、Retrieving from the training datA (REINA) は複数のNLGおよびNLUタスクにおいて大きな改善をもたらすことが判明した。
実験結果から,本手法は様々なNLUタスクやNLGタスクにおいて,大幅な性能向上が期待できることがわかった。
論文 参考訳（メタデータ） (2022-03-16T17:37:27Z) - On Modality Bias Recognition and Reduction [70.69194431713825]
マルチモーダル分類の文脈におけるモダリティバイアス問題について検討する。
本稿では,各ラベルの特徴空間を適応的に学習するプラグアンドプレイ損失関数法を提案する。
本手法は, ベースラインに比べ, 顕著な性能向上を実現している。
論文 参考訳（メタデータ） (2022-02-25T13:47:09Z) - Embedding Adaptation is Still Needed for Few-Shot Learning [25.4156194645678]
atgは、追加の人間知識なしにトレーニングおよびテストタスクセットを定義するための原則化されたクラスタリング手法である。
既存のベンチマークよりも容易で、相互に、あるいは難しいタスクセットを生成するためのATGの有効性を実証的に実証する。
グラデーションベースのメソッドは、転送が最も困難であるときに、メトリックベースのタスクを上回ることができます。
論文 参考訳（メタデータ） (2021-04-15T06:00:04Z) - Parrot: Data-Driven Behavioral Priors for Reinforcement Learning [79.32403825036792]
そこで本研究では,実験で得られた複雑なインプット・アウトプット関係を事前に学習する手法を提案する。
RLエージェントが新規な動作を試す能力を阻害することなく、この学習が新しいタスクを迅速に学習するのにどのように役立つかを示す。
論文 参考訳（メタデータ） (2020-11-19T18:47:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。