Fugu-MT 論文翻訳(概要): Imitating Mistakes in a Learning Companion AI Agent for Online Peer Learning

論文の概要: Imitating Mistakes in a Learning Companion AI Agent for Online Peer Learning

arxiv url: http://arxiv.org/abs/2507.12801v1
Date: Thu, 17 Jul 2025 05:37:07 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-18 20:10:24.34973
Title: Imitating Mistakes in a Learning Companion AI Agent for Online Peer Learning
Title（参考訳）: オンラインピアラーニングのための学習コンパニオンAIエージェントにおけるミスの軽減
Authors: Sosui Moribe, Taketoshi Ushiama,
Abstract要約: 本研究の目的は、いつでもどこでもピアラーニングができるAIエージェントを学習コンパニオンとして開発することである。本研究では,学習者の熟達度が,学習者と同じ誤りを犯していると仮定する。
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: In recent years, peer learning has gained attention as a method that promotes spontaneous thinking among learners, and its effectiveness has been confirmed by numerous studies. This study aims to develop an AI Agent as a learning companion that enables peer learning anytime and anywhere. However, peer learning between humans has various limitations, and it is not always effective. Effective peer learning requires companions at the same proficiency levels. In this study, we assume that a learner's peers with the same proficiency level as the learner make the same mistakes as the learner does and focus on English composition as a specific example to validate this approach.
Abstract（参考訳）: 近年,学習者の自発的思考を促進する手法としてピアラーニングが注目され,その有効性が多くの研究で確認されている。本研究の目的は、いつでもどこでもピアラーニングができるAIエージェントを学習コンパニオンとして開発することである。しかし、人間間のピアラーニングには様々な制限があり、必ずしも効果的とは限らない。効果的なピアラーニングは、同じ習熟度で仲間を必要とする。本研究では,学習者の熟達度が学習者と同じであり,学習者と同じ誤りを犯し,特定の事例として英語構成に注目する。

関連論文リスト

Robots and Children that Learn Together : Improving Knowledge Retention by Teaching Peer-Like Interactive Robots [41.94295877935867]
本研究では,対話型強化学習(Interactive Reinforcement Learning)を,教示可能な社会ロボットの認知モデルとして紹介する。 LbT状態の小児は自己実践状態の児に比べて保持率が高くなった。本研究は,(1)ピアロボット学習の教育的効果的でスケーラブルなモデルとしてインタラクティブRLを導入し,(2)実教室で複数の自律ロボットを同時に展開する可能性を示した。
論文参考訳（メタデータ） (2025-06-23T07:51:04Z)
Multi-agent cooperation through learning-aware policy gradients [53.63948041506278]
利己的な個人はしばしば協力に失敗し、マルチエージェント学習の根本的な課題を提起する。本稿では,学習型強化学習のための,偏見のない高導出性ポリシー勾配アルゴリズムを提案する。我々は, 受刑者のジレンマから, 自己関心のある学習エージェントの間でどのように, いつ, 協力関係が生じるかの新たな説明を得た。
論文参考訳（メタデータ） (2024-10-24T10:48:42Z)
The Role of Higher-Order Cognitive Models in Active Learning [8.847360368647752]
我々は、人間のフィードバックのためのアクティブな学習のための新しいパラダイムを提唱する。エージェントのレベルが上がると、アクティブな学習システムと教師との合理的コミュニケーションの質的に異なる形態がもたらされるかについて議論する。
論文参考訳（メタデータ） (2024-01-09T07:39:36Z)
Peer Learning: Learning Complex Policies in Groups from Scratch via Action Recommendations [16.073203911932872]
ピアラーニングは、グループで学ぶエージェントのための新しい高度な強化学習フレームワークである。ピアラーニングは,OpenAI Gymドメインのいくつかの課題において,単一エージェント学習とベースラインを上回り得ることを示す。
論文参考訳（メタデータ） (2023-12-15T17:01:35Z)
Progressively Efficient Learning [58.6490456517954]
我々はCEIL(Communication-Efficient Interactive Learning)という新しい学習フレームワークを開発した。 CEILは、学習者と教師がより抽象的な意図を交換することで効率的にコミュニケーションする人間のようなパターンの出現につながる。 CEILで訓練されたエージェントは、新しいタスクを素早く習得し、非階層的で階層的な模倣学習を、絶対的な成功率で最大50%、20%上回った。
論文参考訳（メタデータ） (2023-10-13T07:52:04Z)
NCL++: Nested Collaborative Learning for Long-Tailed Visual Recognition [63.90327120065928]
本研究では,Nested Collaborative Learning (NCL++)を提案する。長期学習における協調学習を実現するために,バランスの取れたオンライン蒸留を提案する。混乱するカテゴリにおける細かな識別能力を改善するために,さらにハードカテゴリーマイニングを提案する。
論文参考訳（メタデータ） (2023-06-29T06:10:40Z)
Bridging the Imitation Gap by Adaptive Insubordination [88.35564081175642]
教官が特権情報にアクセスして意思決定を行う場合、この情報は模倣学習中に疎外されることを示す。本稿では,このギャップに対処するため,適応的不規則化(ADVISOR)を提案する。 ADVISORは、トレーニング中の模倣と報酬に基づく強化学習損失を動的に重み付け、模倣と探索をオンザフライで切り替えることを可能にする。
論文参考訳（メタデータ） (2020-07-23T17:59:57Z)
Dual Policy Distillation [58.43610940026261]
教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
論文参考訳（メタデータ） (2020-06-07T06:49:47Z)
Learning from Learners: Adapting Reinforcement Learning Agents to be Competitive in a Card Game [71.24825724518847]
本稿では,競争力のあるマルチプレイヤーカードゲームの現実的な実装を学習・プレイするために,一般的な強化学習アルゴリズムをどのように適用できるかについて検討する。本研究は,学習エージェントに対して,エージェントが競争力を持つことの学習方法を評価するための特定のトレーニングと検証ルーチンを提案し,それらが相互の演奏スタイルにどのように適応するかを説明する。
論文参考訳（メタデータ） (2020-04-08T14:11:05Z)

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。