論文の概要: The ADAIO System at the BEA-2023 Shared Task on Generating AI Teacher Responses in Educational Dialogues

• arxiv url: http://arxiv.org/abs/2306.05360v1
• Date: Thu, 8 Jun 2023 17:05:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-09 13:16:55.733945
• Title: The ADAIO System at the BEA-2023 Shared Task on Generating AI Teacher Responses in Educational Dialogues
• Title（参考訳）: BEA-2023におけるAudioシステム : 教育対話におけるAI教師の反応生成タスク
• Authors: Adaeze Adigwe (1), Zheng Yuan (2 and 3)((1) University of Edinburgh, United Kingdom, (2) Istituto Italiano di Tecnologia, Italy, (3) Universit\`a di Ferrara, Italy)
• Abstract要約: 本稿では,Audio チームによる BEA (Building Educational Applications) 2023 におけるシステム導入について述べる。 この課題は,教師と教師の対話の中で,適切な応答を生み出すためのAI教師として,最先端の生成モデルの性能を評価することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents the ADAIO team's system entry in the Building Educational Applications (BEA) 2023 Shared Task on Generating AI Teacher Responses in Educational Dialogues. The task aims to assess the performance of state-of-the-art generative models as AI teachers in producing suitable responses within a student-teacher dialogue. Our system comprises evaluating various baseline models using OpenAI GPT-3 and designing diverse prompts to prompt the OpenAI models for teacher response generation. After the challenge, our system achieved second place by employing a few-shot prompt-based approach with the OpenAI text-davinci-003 model. The results highlight the few-shot learning capabilities of large-language models, particularly OpenAI's GPT-3, in the role of AI teachers.
• Abstract（参考訳）: 本稿では,教育用アプリケーション構築におけるadaioチームによるシステムエントリ(bea)2023年教育用対話におけるai教師応答生成タスクについて述べる。 この課題は,教師と教師の対話の中で,適切な応答を生み出すためのAI教師として,最先端の生成モデルの性能を評価することである。 本システムは, OpenAI GPT-3 を用いた各種ベースラインモデルの評価と, 教師応答生成のための OpenAI モデル作成のための多様なプロンプトの設計を含む。 課題の後,OpenAI テキスト-davinci-003 モデルを用いた数発のプロンプトベースアプローチを用いて2位に到達した。 その結果、AI教師の役割において、大規模言語モデル、特にOpenAIのGPT-3のいくつかのショット学習能力を強調した。

関連論文リスト

• BoilerTAI: A Platform for Enhancing Instruction Using Generative AI in Educational Forums [0.0]
  本稿では,Generative AI(GenAI)とオンライン教育フォーラムをシームレスに統合する,実用的でスケーラブルなプラットフォームについて述べる。 このプラットフォームは、学生ポストとLarge Language Model(LLM)との対話を円滑に進めることによって、指導スタッフが反応を効率的に管理し、洗練し、承認することを可能にする。
  論文  参考訳（メタデータ） (2024-09-20T04:00:30Z)
• KIWI: A Dataset of Knowledge-Intensive Writing Instructions for Answering Research Questions [63.307317584926146]
  ユーザ命令に従うように適応された大規模言語モデル(LLM)は、現在では会話エージェントとして広くデプロイされている。 そこで本研究では,より一般的な命令追従タスクとして,長文の回答作成を支援することを提案する。 我々は、科学領域における知識集約的な記述命令のデータセットKIWIを構築した。
  論文  参考訳（メタデータ） (2024-03-06T17:16:44Z)
• PapagAI:Automated Feedback for Reflective Essays [48.4434976446053]
  ドクティック理論をベースとして,ハイブリッドAIシステムとして実装された,初のオープンソース自動フィードバックツールを提案する。 本研究の主な目的は,学生の学習成果の向上と,講師の指導活動を補完することである。
  論文  参考訳（メタデータ） (2023-07-10T11:05:51Z)
• Assessing the efficacy of large language models in generating accurate teacher responses [0.5774786149181391]
  本研究は,学生に情報的かつ有用な洞察を提供するために,大規模言語モデルの生成能力を評価することを目的とする。 GPT-4 (few-shot, in-context learning), fine-tuned GPT-2, fine-tuned DialoGPT。 教師・学生チャットルームにおける実験結果から, BERTScore と DialogRPT を用いて測定した他の微調整モデルに対する GPT-4 の有効性が示唆された。
  論文  参考訳（メタデータ） (2023-07-09T22:32:46Z)
• The BEA 2023 Shared Task on Generating AI Teacher Responses in Educational Dialogues [8.42777123765885]
  本稿では,教育対話における教師の反応生成に関する最初の共有タスクの結果について述べる。 このタスクの目的は、生成言語モデルがAI教師として機能する能力をベンチマークすることであった。 NAISTeacherは自動評価と人的評価の両方で第1位にランクインした。
  論文  参考訳（メタデータ） (2023-06-12T08:21:34Z)
• Towards Applying Powerful Large AI Models in Classroom Teaching: Opportunities, Challenges and Prospects [5.457842083043013]
  本稿では,人工知能(AI)を用いた授業実践の促進を目的とした,インタラクティブなシナリオのシリーズを提案する。 教師と学生の対話を強化し、充実させるAIの可能性を探り、教育の質を向上させる。
  論文  参考訳（メタデータ） (2023-05-05T11:09:13Z)
• SYNERGY: Building Task Bots at Scale Using Symbolic Knowledge and Machine Teaching [75.87418236410296]
  SynERGYは、タスクボットを2つのステップで開発するハイブリッド学習フレームワークである。 トレーニング済みのニューラルダイアログモデルであるSOLOISTは、シミュレーションダイアログ上で微調整され、タスクのためのボットを構築する。 微調整されたニューラルダイアログモデルは、機械教育を通じて、いくつかの実際のタスク固有のダイアログによって継続的に洗練される。
  論文  参考訳（メタデータ） (2021-10-21T23:13:04Z)
• CAiRE in DialDoc21: Data Augmentation for Information-Seeking Dialogue System [55.43871578056878]
  DialDoc21コンペティションでは,サブタスク1で74.95 F1スコア,60.74 Exact Matchスコア,サブタスク2で37.72 SacreBLEUスコアを達成した。
  論文  参考訳（メタデータ） (2021-06-07T11:40:55Z)
• Personalized Multimodal Feedback Generation in Education [50.95346877192268]
  学校課題の自動評価は、教育分野におけるAIの重要な応用である。 モーダルゲート機構とパーソナライズされたバイアス機構を備えたPMFGN(Personalized Multimodal Feedback Generation Network)を提案する。 我々のモデルは、より正確で多様なフィードバックを生成することによって、いくつかのベースラインを著しく上回ります。
  論文  参考訳（メタデータ） (2020-10-31T05:26:49Z)
• SOLOIST: Building Task Bots at Scale with Transfer Learning and Machine Teaching [81.45928589522032]
  トランスフォーマーに基づく自動回帰言語モデルを用いて,モジュール型タスク指向対話システムをパラメータ化する。 タスクグラウンド応答生成モデルである異種ダイアログコーパスの事前学習を行う。 実験により、SOLOISTは、よく研究されたタスク指向のダイアログベンチマーク上で、新しい最先端のダイアログを生成する。
  論文  参考訳（メタデータ） (2020-05-11T17:58:34Z)

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。