強化学習による複雑なインタラクティブなコーディングプログラムの採点
- オンラインのコーディング教育で、ゲームなどの複雑な課題の自動採点が課題となっている。
- AIがゲームをプレイすることで課題を評価する「Play to Grade Challenge」を提案し、ソースコードを見ずに採点可能にした。
- この手法は、教師による手動採点の手間を減らし、より多くの生徒にフィードバックを提供できる可能性がある。
機械学習モデルが犯す体系的なエラーの発見
- 機械学習モデルが、検証データの一部で系統的な誤りを起こす現象に着目した記事。
- モデルの性能が低いデータ集団（スライス）を自動で特定する手法Dominoが提案されている。
- Dominoは、画像とテキストを同じ空間に埋め込み、エラーが多い領域を特定し、自然言語で説明する。
スタンフォードAIラボ、ICLR 2022での論文と講演について
- ICLR 2022では、スタンフォード大学を中心とした研究チームの論文が多数発表された。
- 継続学習、強化学習、言語モデル、ロボット工学など、幅広いテーマの研究が進んでいる。
- 研究成果は論文、動画、ブログなどで公開されており、直接著者へ問い合わせも可能。
スタンフォードAI研究所のACL 2022における論文と発表
- ACL 2022でスタンフォード大学SAILの研究発表内容が紹介されている。
- LinkBERTや対話エージェントなど、自然言語処理の7件の論文が発表された。
- 研究成果を通じて、言語モデルや対話システムの改善に役立てられる。
LinkBERT：ドキュメントリンクによる言語モデル学習の改善
- BERTやGPTといった言語モデルは、検索エンジンやアシスタントに活用されている。
- 従来の学習法は単一の文書を扱うため、複数の文書間の知識を捉えられない場合がある。
- LinkBERTは文書間のリンクを活用し、言語モデルの知識を向上させ、質問応答などに役立つ。