論文の概要: Agent Smith: Teaching Question Answering to Jill Watson
- arxiv url: http://arxiv.org/abs/2112.13677v1
- Date: Wed, 22 Dec 2021 19:40:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-02 08:17:41.805535
- Title: Agent Smith: Teaching Question Answering to Jill Watson
- Title(参考訳): エージェント・スミス:ジル・ワトソン氏の質問に答える
- Authors: Ashok Goel, Harshvardhan Sikka, Eric Gregori
- Abstract要約: エージェントスミス(Agent Smith)は、インタラクティブな機械教育エージェントで、新しいオンラインクラスのためにジルを訓練するのに要する時間を桁違いに削減する。
機械学習教育は、知識ベースのAI、大規模なデータセットを使用した機械学習、インタラクティブなヒューマン・イン・ループトレーニングの利点を組み合わせたものだ。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Building AI agents can be costly. Consider a question answering agent such as
Jill Watson that automatically answers students' questions on the discussion
forums of online classes based on their syllabi and other course materials.
Training a Jill on the syllabus of a new online class can take a hundred hours
or more. Machine teaching - interactive teaching of an AI agent using synthetic
data sets - can reduce the training time because it combines the advantages of
knowledge-based AI, machine learning using large data sets, and interactive
human-in-loop training. We describe Agent Smith, an interactive machine
teaching agent that reduces the time taken to train a Jill for a new online
class by an order of magnitude.
- Abstract(参考訳): AIエージェントの構築にはコストがかかる。
オンライン授業の議論フォーラムにおける学生の質問を自動的に答えるジル・ワトソンなどの質問応答エージェントを,シラビなどの教材に基づいて検討する。
新しいオンラインクラスのシラバスでジルをトレーニングするには、100時間以上かかる可能性がある。
機械学習 – 合成データセットを使用したAIエージェントのインタラクティブな教育 – は、知識ベースのAIの利点、大規模なデータセットを使用した機械学習、インタラクティブなヒューマン・イン・ループトレーニングを組み合わせたトレーニング時間を短縮することができる。
本稿では,新しいオンライン授業のためのジルの訓練に要する時間を1桁削減する対話型機械教示エージェントである smith について述べる。
関連論文リスト
- How to Build an AI Tutor that Can Adapt to Any Course and Provide
Accurate Answers Using Large Language Model and Retrieval-Augmented
Generation [0.0]
本稿では,最先端のLarge Language Model (LLM)を用いて,どの科目でもパーソナライズされた学習を提供する,革新的なWebアプリケーションであるAI Tutorを紹介する。
学生が質問を行うと、最も関連性の高い情報を取得し、証拠を引用して詳細な会話応答を生成する。
私たちは、AI Tutorの汎用性をさまざまなテーマに示す、フル機能のWebインターフェースとビデオデモを紹介します。
論文 参考訳(メタデータ) (2023-11-29T15:02:46Z) - Robot Fine-Tuning Made Easy: Pre-Training Rewards and Policies for
Autonomous Real-World Reinforcement Learning [58.3994826169858]
ロボット強化学習のためのリセット不要な微調整システムであるRoboFuMEを紹介する。
我々の洞察は、オフラインの強化学習技術を利用して、事前訓練されたポリシーの効率的なオンライン微調整を確保することである。
提案手法では,既存のロボットデータセットからのデータを組み込んで,目標タスクを3時間以内の自律現実体験で改善することができる。
論文 参考訳(メタデータ) (2023-10-23T17:50:08Z) - AutoConv: Automatically Generating Information-seeking Conversations
with Large Language Models [74.10293412011455]
合成会話生成のためのAutoConvを提案する。
具体的には,会話生成問題を言語モデリングタスクとして定式化する。
我々は、情報探索プロセスの特徴を捉えるために、人間同士の会話でLLMを微調整する。
論文 参考訳(メタデータ) (2023-08-12T08:52:40Z) - Learning to Summarize and Answer Questions about a Virtual Robot's Past
Actions [3.088519122619879]
本研究では,自然言語のみを用いて,ロボットエージェントの過去の行動に関する質問を要約し,回答する学習の課題を実証する。
仮想ロボットのエゴ中心のビデオフレームと質問プロンプトが与えられたアクションシーケンスに関する質問を要約し、答えるように、大きな言語モデルがコアにある単一のシステムが訓練される。
論文 参考訳(メタデータ) (2023-06-16T15:47:24Z) - Build-a-Bot: Teaching Conversational AI Using a Transformer-Based Intent
Recognition and Question Answering Architecture [15.19996462016215]
本稿では、自然言語パイプラインを用いて、独自の学校カリキュラムに基づく質問に答えるためにカスタマイズされたモデルを訓練することで、人工知能の原理を学習するためのインタフェースを提案する。
このパイプラインは、AIエージェントを作成しながら、これらのプロセスのそれぞれを通じて、学生のデータ収集、データ拡張、意図認識、質問応答を教える。
論文 参考訳(メタデータ) (2022-12-14T22:57:44Z) - Pre-Training for Robots: Offline RL Enables Learning New Tasks from a
Handful of Trials [97.95400776235736]
新しいタスクを効果的に学習しようとするオフラインRLに基づくフレームワークを提案する。
既存のロボットデータセットの事前トレーニングと、新しいタスクの迅速な微調整と、最大10のデモを組み合わせたものだ。
我々の知る限り、PTRは本物のWidowXロボットで新しいドメインで新しいタスクを学習する最初のRL手法である。
論文 参考訳(メタデータ) (2022-10-11T06:30:53Z) - Few-Shot Bot: Prompt-Based Learning for Dialogue Systems [58.27337673451943]
ごく少数の例を使って会話を学ぶことは、会話型AIにおける大きな課題である。
現在の最良の会話モデルは、良いチャットシャッター(例:BlenderBot)またはゴール指向システム(例:MinTL)である。
グラデーションベースの微調整を必要とせず、学習の唯一の源としていくつかの例を用いるプロンプトベースの数ショット学習を提案する。
論文 参考訳(メタデータ) (2021-10-15T14:36:45Z) - Actionable Models: Unsupervised Offline Reinforcement Learning of
Robotic Skills [93.12417203541948]
与えられたデータセットの任意の目標状態に到達するために学習することによって、環境の機能的な理解を学ぶ目的を提案する。
提案手法は,高次元カメラ画像上で動作し,これまで見つからなかったシーンやオブジェクトに一般化した実ロボットの様々なスキルを学習することができる。
論文 参考訳(メタデータ) (2021-04-15T20:10:11Z) - Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via
Alternate Meta-learning [56.771557756836906]
本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。
本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2020-10-29T18:28:16Z) - Teaching Tech to Talk: K-12 Conversational Artificial Intelligence
Literacy Curriculum and Development Tools [9.797319790710711]
我々は,MIT App Inventorの会話エージェントインタフェースとワークショップのカリキュラムをAI能力に関して評価した。
私たちは、学生がAI倫理と学習の概念に最も苦労していることを発見し、教えるときにこれらのトピックを強調することを推奨した。
論文 参考訳(メタデータ) (2020-09-11T20:52:46Z) - AI-Powered Learning: Making Education Accessible, Affordable, and
Achievable [0.0]
我々は、オンライン学習をよりアクセスしやすく、手頃で、達成可能なものにするための、AIを活用した社会技術システムを開発した。
我々は、VERA、Jill Watson Q&A、Jill Watson SA、Agent Smithの4つの斬新でインターツウィンドAI技術を開発した。
論文 参考訳(メタデータ) (2020-06-02T19:41:52Z)
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。