論文の概要: Knowledge is Power: Harnessing Large Language Models for Enhanced Cognitive Diagnosis
- arxiv url: http://arxiv.org/abs/2502.05556v1
- Date: Sat, 08 Feb 2025 13:02:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-11 14:32:34.435939
- Title: Knowledge is Power: Harnessing Large Language Models for Enhanced Cognitive Diagnosis
- Title(参考訳): 知識と力 - 認知診断の強化を目的とした大規模言語モデルの構築
- Authors: Zhiang Dong, Jingyuan Chen, Fei Wu,
- Abstract要約: 認知診断モデル(CDMs)は、学生の認知状態を評価するために、一連のエクササイズを通してそのパフォーマンスを分析する。
既存のCDMは、豊富な事前知識が不足しているため、希少な学生や運動の診断に苦慮することが多い。
大型言語モデル(LLM)の進歩に伴い、認知診断への統合は有望な機会となる。
- 参考スコア(独自算出の注目度): 12.936153018855649
- License:
- Abstract: Cognitive Diagnosis Models (CDMs) are designed to assess students' cognitive states by analyzing their performance across a series of exercises. However, existing CDMs often struggle with diagnosing infrequent students and exercises due to a lack of rich prior knowledge. With the advancement in large language models (LLMs), which possess extensive domain knowledge, their integration into cognitive diagnosis presents a promising opportunity. Despite this potential, integrating LLMs with CDMs poses significant challenges. LLMs are not well-suited for capturing the fine-grained collaborative interactions between students and exercises, and the disparity between the semantic space of LLMs and the behavioral space of CDMs hinders effective integration. To address these issues, we propose a novel Knowledge-enhanced Cognitive Diagnosis (KCD) framework, which is a model-agnostic framework utilizing LLMs to enhance CDMs and compatible with various CDM architectures. The KCD framework operates in two stages: LLM Diagnosis and Cognitive Level Alignment. In the LLM Diagnosis stage, both students and exercises are diagnosed to achieve comprehensive and detailed modeling. In the Cognitive Level Alignment stage, we bridge the gap between the CDMs' behavioral space and the LLMs' semantic space using contrastive learning and mask-reconstruction approaches. Experiments on several real-world datasets demonstrate the effectiveness of our proposed framework.
- Abstract(参考訳): 認知診断モデル(CDMs)は、学生の認知状態を評価するために、一連のエクササイズを通してそのパフォーマンスを分析する。
しかし、既存のCDMは、豊富な事前知識が不足しているため、希少な学生や運動の診断に苦慮することが多い。
広範なドメイン知識を持つ大規模言語モデル(LLM)の進歩により、認知診断への統合は有望な機会となる。
このような可能性にもかかわらず、LCMとCDMを統合することは大きな課題となる。
LLMは、学生と演習の間のきめ細かい協調的な相互作用を捉えるのに適しておらず、LLMの意味空間とCDMの行動空間との相違は、効果的な統合を妨げる。
これらの課題に対処するために,LLMを用いたモデルに依存しないフレームワークである知識強調型認知診断(KCD)フレームワークを提案する。
KCDフレームワークは、LLM診断と認知レベルアライメントの2段階で動作する。
LLM診断の段階では、学生と演習の両方が、包括的で詳細なモデリングを実現するために診断される。
認知レベルアライメント(Cognitive Level Alignment)の段階では、コントラスト学習とマスク再構成アプローチを用いて、CDMの行動空間とLLMの意味空間のギャップを埋める。
いくつかの実世界のデータセットで実験を行い、提案フレームワークの有効性を実証した。
関連論文リスト
- Investigating the Zone of Proximal Development of Language Models for In-Context Learning [59.91708683601029]
大規模言語モデル(LLM)の文脈内学習(ICL)の振る舞いを分析するための学習分析フレームワークを提案する。
我々は,各例のモデル性能に基づいて,LLMのZPDを測定することにより,ZPD理論をICLに適用する。
本研究はICLの複雑な多面的動作を明らかにし,この手法の理解と活用に関する新たな知見を提供する。
論文 参考訳(メタデータ) (2025-02-10T19:36:21Z) - Language Representation Favored Zero-Shot Cross-Domain Cognitive Diagnosis [15.006031265076006]
本稿では,ゼロショットクロスドメイン認知診断(LRCD)を用いた言語表現を提案する。
LRCDはまず、異なる領域における学生の行動パターンを分析し、次にテキスト記述を用いて学生、運動、概念のプロファイルを記述する。
言語空間と認知診断空間の相違に対処するため,LRCDにおける言語認知マッパーを提案し,前者から後者へのマッピングを学習する。
論文 参考訳(メタデータ) (2025-01-18T03:35:44Z) - Mitigating Hallucinations of Large Language Models in Medical Information Extraction via Contrastive Decoding [92.32881381717594]
医療情報抽出タスクにおける幻覚の問題を解決するために,ALCD(ALternate Contrastive Decoding)を導入する。
ALCDは, 従来の復号法に比べて幻覚の解消に有意な改善が見られた。
論文 参考訳(メタデータ) (2024-10-21T07:19:19Z) - Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making [51.737762570776006]
LLM-ACTRは、ヒトに適応し、多目的な意思決定を提供する新しいニューロシンボリックアーキテクチャである。
我々のフレームワークは、ACT-Rの内部決定過程の知識を潜在神経表現として抽出し、組み込む。
デザイン・フォー・マニュファクチャリング・タスクに関する我々の実験は、タスク性能の向上と基礎的意思決定能力の向上を両立させたものである。
論文 参考訳(メタデータ) (2024-08-17T11:49:53Z) - XAI4LLM. Let Machine Learning Models and LLMs Collaborate for Enhanced In-Context Learning in Healthcare [16.79952669254101]
多層構造プロンプトを用いたゼロショット/ファウショットインコンテキスト学習(ICL)のための新しい手法を開発した。
また、ユーザと大規模言語モデル(LLM)間の2つのコミュニケーションスタイルの有効性についても検討する。
本研究は,性別バイアスや偽陰性率などの診断精度とリスク要因を系統的に評価する。
論文 参考訳(メタデータ) (2024-05-10T06:52:44Z) - Interactive Continual Learning: Fast and Slow Thinking [19.253164551254734]
本稿では,対話型連続学習フレームワークを提案する。
System1におけるメモリ検索を改善するために,von Mises-Fisher(vMF)分布に基づくCL-vMF機構を導入する。
提案したICLの包括的評価は,既存の手法と比較して,忘れられ,優れた性能を示す。
論文 参考訳(メタデータ) (2024-03-05T03:37:28Z) - Large Language Models for Causal Discovery: Current Landscape and Future Directions [5.540272236593385]
因果発見(CD)とLarge Language Models(LLM)は、人工知能のトランスフォーメーション分野として登場した。
本研究は, テキストからの因果的抽出, ドメイン知識の統計的手法への統合, 因果的構造の改良の3つの重要な側面において, LLMがCDをどう変えるかを検討する。
論文 参考訳(メタデータ) (2024-02-16T20:48:53Z) - AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。
この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。
高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文 参考訳(メタデータ) (2024-02-15T06:46:48Z) - HA-HI: Synergising fMRI and DTI through Hierarchical Alignments and
Hierarchical Interactions for Mild Cognitive Impairment Diagnosis [10.028997265879598]
軽度認知障害(MCI)と主観的認知低下(SCD)の診断のための新しい階層的アライメントと階層的相互作用(HA-HI)法を導入する。
HA-HIは、様々な特徴型を整列し、それらの相互作用を階層的に最大化することで、MCIまたはSCD関連の重要な地域および接続特性を効率的に学習する。
提案手法の解釈可能性を高めるために,MCI/SCDを示す重要な脳領域と接続を明らかにするSynergistic Activation Map (SAM) 技術を開発した。
論文 参考訳(メタデータ) (2024-01-02T12:46:02Z) - Exploring the Cognitive Knowledge Structure of Large Language Models: An
Educational Diagnostic Assessment Approach [50.125704610228254]
大規模言語モデル(LLM)は、様々なタスクにまたがる例外的なパフォーマンスを示すだけでなく、知性の火花も示している。
近年の研究では、人間の試験における能力の評価に焦点が当てられ、異なる領域における彼らの印象的な能力を明らかにしている。
ブルーム分類に基づく人体検査データセットであるMoocRadarを用いて評価を行った。
論文 参考訳(メタデータ) (2023-10-12T09:55:45Z) - Corex: Pushing the Boundaries of Complex Reasoning through Multi-Model Collaboration [83.4031923134958]
Corexは,大規模言語モデルを自律エージェントに変換する,新たな汎用戦略スイートだ。
人間の振る舞いにインスパイアされたCorexは、Debate、Review、Retrieveモードといった多様なコラボレーションパラダイムによって構成されている。
我々は,複数のLDMを協調的に演奏することで,既存の手法に比べて性能が著しく向上することが実証された。
論文 参考訳(メタデータ) (2023-09-30T07:11:39Z)
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。