|
今天分享的是：2024谷歌教育生成式人工智能研发技术报告
《2024谷歌教育生成式人工智能研发技术报告》由谷歌机构的科研团队撰写，介绍了她们在教育行业研发生成式人工智能（gen AI）的办法和成果。报告强调了以评定为导向的办法，旨在经过研发一套全面的教育评定基准，推动gen AI在教育中的应用和发展。
- 引言：人工智能在教育行业的应用潜能巨大，但日前仍面临许多挑战，如缺乏良好的教育效果评定办法等。报告介绍了谷歌团队在加强gen AI在教育行业的性能和安全性方面所做的工作。
- 参与式办法：经过与学习者、教育者和其他利益关联者的合作，认识她们的需要和期望，为模型改进供给指点。谷歌团队举办了参与式研讨会，收集了关于教育体验和gen AI在教育中潜在应用的见解。另外，还进行了初步访谈和一起设计活动，以深入认识用户需要和挑战。
- 改进Gemini以适应教育：介绍了为加强Gemini在教育行业的性能而进行的微调工作，包含创建新的微调数据集和引入学习科学的原则。谷歌团队创建了一系列涵盖定量、定性、自动和人类评定的教育基准，以全面评定gen AI导师的教育效果。
- 测绘教育学在gen AI中的应用：讨论了评定gen AI导师教育效果的办法，包含运用现有的教育基准和研发新的评定指标。另外，还介绍了怎样运用人类评定和自动评定来衡量gen AI导师的表现。
- 人类评定：经过与人类参与者的互动，收集她们对gen AI导师的反馈和评估。科研结果显示，LearnLM-Tutor在大都数教育维度上优于Gemini 1.0。
- 自动评定：运用语言模型评定（LME）框架来自动评定gen AI导师的教育效果。该框架包含任务规范、数据集和评论家语言模型，能够快速评定和监测gen AI导师的教育能力。
- 从真实世界的互动中学习：经过将LearnLM-Tutor集成到亚利桑那州立大学的Study Hall中，观察学生在正式学术环境中怎样运用该模型。科研结果为模型的进一步改进供给了有价值的见解。
- 评定特定的教育能力：经过研发针对特定教育能力的评定办法，如评定实践和对程序性作业问题的反馈，深入认识gen AI导师在区别教育周期的表现。
- 负责任的研发：介绍了在研发LearnLM-Tutor过程中采取的负责任的办法，包含影响评定、政策制定、危害缓解、评定和安排等方面。另外，还讨论了与伦理、安全和社会影响关联的问题。
- 讨论：总结了科研的重点发掘和贡献，并讨论了将来的科研方向和挑战。报告强调了连续改进和合作的重要性，以实现gen AI在教育中的潜能。
- 结论：强调了经过跨学科合作和参与式办法改进gen AI在教育中应用的重要性，并提出了将来的科研方向和意见。
总体而言，该报告为教育行业的gen AI科研供给了有价值的参考，展示了怎样经过评定驱动的办法来研发和改进gen AI导师，以加强其教育效果和安全性。
报告共计： 86页
以下为报告节选内容
报告共计： 86页
中小将来圈，你需要的资料，我这儿都有！返回外链论坛：www.fok120.com，查看更加多
责任编辑：网友投稿
| 
发表于 2024-7-30 23:43:45
