Graphusion: Leveraging Large Language Models for Scientific Knowledge Graph Fusion and Construction in NLP Education
University of Tokyo（东京大学）；Smartor Inc.（Smartor公司）；Yale University（耶鲁大学）；INRIA（法国国家信息与自动化研究所）；Duke-NUS Medical School（杜克-新加坡国立大学医学院）
本研究提出零样本知识图谱构建框架Graphusion，通过全局融合模块实现实体合并、冲突消解与新三元组发现，在NLP教育场景的TutorQA基准上，链接预测准确率超有监督基线最高10%，人工评估表现优异。
2024-07-15 cs.AI cs.CL
MathBERT: A Pre-trained Language Model for General NLP Tasks in Mathematics Education
Penn State University（宾夕法尼亚州立大学）；Worcester Polytechnic Institute（伍斯特理工学院）；University of Arkansas（阿肯色大学）；Stride, Inc（Stride公司）
本文提出在大规模数学语料上预训练的MathBERT及mathVocab，并在知识组件预测、自动评分和知识追踪任务上验证其优于BASE BERT。
2023-08-12 cs.AI cs.CL
README: Bridging Medical Jargon and Lay Understanding for Patient Education through Data-Centric NLP
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
本文提出医学术语通俗定义生成任务，构建 README 数据集与以数据为中心的 Human-AI 流水线，并结合 RAG 微调移动端开源模型，使其性能匹敌甚至超越 ChatGPT。
2024-10-25 cs.AI cs.CL
NLP-AKG: Few-Shot Construction of NLP Academic Knowledge Graph Based on LLM
Harbin Institute of Technology（哈尔滨工业大学）；Joint Laboratory of HIT and iFLYTEK（哈尔滨工业大学与讯飞联合实验室）；University of Science and Technology of China（中国科学技术大学）
针对现有科研文献外部知识忽略论文间概念关联导致问答质量不足的问题，提出基于LLM的少样本构建框架，搭建含超62万实体、227万关系的NLP学术知识图谱NLP-AKG，并提出子图社区摘要方法提升问答效果。
2025-02-20 cs.CL cs.DL
Large Language Models on Wikipedia-Style Survey Generation: an Evaluation in NLP Concepts
University of Tokyo（东京大学）；Tokyo Institute of Technology（东京工业大学）；MIT（麻省理工学院）；National University of Singapore（新加坡国立大学）；Northwestern University（西北大学）；Bielefeld University（比勒费尔德大学）；University College Dublin（都柏林大学学院）；Moveworks
本研究评估了大型语言模型在生成NLP领域维基百科式综述文章的能力，发现GPT-4优于前代模型，但存在细节遗漏和事实错误，且GPT评估存在系统性偏差。
2024-05-23 cs.CL
Beyond Direct Answering: Aligning Educational LLMs as Socratic Guides via Heuristic Reinforcement Learning
East China Normal University（华东师范大学）；Shanghai Chuangjie Situo Information Technology Co., Ltd.（上海创杰思拓信息技术有限公司）；Shanghai Normal University（上海师范大学）
研究针对教育场景中LLMs直接作答问题，提出HeuristicEdu两阶段管道，经监督热身和GRPO，利用特定对话及启发式奖励训练Qwen2.5 - 7B，提升了支架有效性，降低关键词泄漏，表明规模并非引发苏格拉底行为的唯一因素。
2026-07-28 cs.AI cs.CL
Towards Answering Open-ended Ethical Quandary Questions
The Hong Kong University of Science and Technology（香港科技大学）
基于大语言模型（LLM）的强大功能，各种NLP任务已经取得了相当大的进步，许多NLP应用程序部署在我们的日常生活中。在这项工作中，我们挑战的能力与伦理困境生成问答的新任务法学硕士。道德困境问题更具有挑战性，因为一个单一的困境可能存在多个相互冲突的答案。我们探讨了目前的能力，法学硕士提供一个答案，以苏格拉底哲学的方法，而不是提供一个封闭的答案，像一个神谕的不同观点的审议交流的道德困境。我们提出了一个模型，搜索不同的道德原则适用于道德困境，并产生一个答案的条件下，所选择的原则，通过基于样本的少样本学习。我们还讨论了这一任务所涉及的剩余挑战和伦理问题，并提出了通过明确纳入人类价值观来开发负责任的NLP系统的方向。
2023-02-01 cs.AI cs.CL cs.LG
Question: How do Large Language Models perform on the Question Answering tasks? Answer:
Ostbayerische Technische Hochschule Amberg-Weiden（东巴伐利亚安贝格-魏登应用技术大学）
本研究比较了小型微调模型与大型语言模型在SQuAD2上的问答性能，提出单次推理提示方法，并评估其跨数据集泛化能力，发现微调模型在微调任务上更优，但最新LLMs在分布外测试中表现更好。
2024-12-17 cs.CL
From Words to Wisdom: Discourse Annotation and Baseline Models for Student Dialogue Understanding
Department of Electrical and Computer Engineering, Tufts University（电气与计算机工程系，塔夫茨大学）；Department of Computer Science and Information Technology, Patuakhali Science and Technology University（计算机科学与信息技术系，帕图阿哈利科学与技术大学）；Department of Electrical and Computer Engineering, Computer Science and Biomedical Engineering, Tufts University（电气与计算机工程系，计算机科学与生物医学工程系，塔夫茨大学）；Department of Mechanical Engineering and Education, Tufts University（机械工程与教育系，塔夫茨大学）
本文提出一个标注的教育对话数据集和基于预训练模型的基线模型，用于自动检测学生对话中的语篇特征，发现现有模型在该任务上表现欠佳，提示未来研究方向。
2025-11-25 cs.CL
From Objectives to Questions: A Planning-based Framework for Educational Mathematical Question Generation
University of Science and Technology of China（中国科学技术大学）；State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室）；Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合国家科学中心人工智能研究所）；iFLYTEK Research（iFLYTEK研究院）
本文针对教育数学问题生成忽视多维度教育目标的问题，构建了EduMath数据集和EQGEVAL评估基准，并提出结合蒙特卡洛树搜索与大型语言模型的EQPR方法，通过规划—评估—优化迭代显著提升多维度教育目标达成度。
2025-06-01 cs.CL
Safety Alignment in NLP Tasks: Weakly Aligned Summarization as an In-Context Attack
University of California, Riverside（加州大学河滨分校）；Microsoft（微软）
本文揭示了不同NLP任务安全对齐的差异，发现弱对齐的摘要任务可作为上下文攻击手段，破坏翻译和问答等更稳健任务的安全性，并呼吁加强广泛NLP任务的安全对齐。
2024-06-06 cs.CL
From Code-Centric to Concept-Centric: Teaching NLP with LLM-Assisted "Vibe Coding"
College of Computer and Information Sciences（计算机与信息科学学院）；King Saud University（沙特国王大学）
本文提出利用LLM辅助的
2026-02-02 cs.CL
EduBench: A Comprehensive Benchmarking Dataset for Evaluating Large Language Models in Diverse Educational Scenarios
School of Computer Science and Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学）
本文提出EduBench数据集，用于评估大型语言模型在多样化教育场景中的表现，包含9种主要场景和4000多个教育情境，通过多维指标和人工标注验证模型性能。
2026-01-06 cs.CL
K-12BERT: BERT for K-12 education
Indraprastha Institute of Information Technology, Delhi（德里英德拉普拉斯塔信息技术学院）；Extramarks Education pvt. ltd.（Extramarks教育私人有限公司）
在线教育平台由各种NLP管道提供支持，这些管道利用BERT等模型来帮助内容管理。自从像BERT这样的预先训练的语言模型出现以来，人们也做出了许多努力来使这些预先训练的模型适应特定的领域。然而，据我们所知，还没有一种专门适用于教育领域（特别是K-12）的跨学科模式。在这项工作中，我们建议在我们针对K-12教育的多个来源的多个主题策划的数据库上训练一个语言模型。我们还评估了我们的模型，K12-BERT，在下游任务，如分层分类标记。
2022-05-24 cs.CL cs.LG
Edu-Values: Towards Evaluating the Chinese Education Values of Large Language Models
本文提出Edu-Values基准，评估大型语言模型的中国教育价值观，包含七个核心价值，通过1418道题测试，发现中文LLM在教育文化差异下表现更优，且利用Edu-Values构建外部知识库可提升对齐效果。
2026-03-23 cs.CL
ChatEd: A Chatbot Leveraging ChatGPT for an Enhanced Learning Experience in Higher Education
University of British Columbia（不列颠哥伦比亚大学）
本研究提出一种结合ChatGPT与传统信息检索聊天机器人框架的创新架构，以解决LLMs在教育中生成错误答案的挑战，为高等教育提供增强的学生支持，实证评估显示其高度前景。
2023-12-29 cs.CL cs.CY
Reimagining Retrieval Augmented Language Models for Answering Queries
Meta
本文通过现实检验对比普通LLM与检索增强语言模型，提出结合视图、查询分析器/规划器和溯源增强半参数化架构，以提升问答及其他NLP任务的准确率与效率。
2023-06-01 cs.CL cs.DB
A Review of the Trends and Challenges in Adopting Natural Language Processing Methods for Education Feedback Analysis
University of Southern Queensland（南昆士兰大学）
人工智能（AI）是一个快速增长的研究领域，将其存在扩展到许多商业和研究领域。机器学习、深度学习和自然语言处理（NLP）是AI的子集，用于处理数据处理和建模的不同领域。这篇评论文章概述了AI对教育的影响，概述了当前的机会。在教育领域，学生反馈数据对于揭示向学生提供的现有服务的优点和缺点至关重要。人工智能可以帮助确定教育基础设施，学习管理系统，教学实践和学习环境的改进领域。NLP技术在分析文本格式的学生反馈中起着至关重要的作用。这项研究的重点是现有的NLP方法和应用程序，可以适应教育领域的应用程序，如情感注释，实体注释，文本摘要和主题建模。在教育中采用NLP的趋势和挑战进行了审查和探讨。NLP中基于上下文的挑战，如讽刺，特定领域的语言，歧义和基于方面的情感分析解释与现有的方法来克服它们。研究社区的方法来提取表情符号和专用字符的语义反馈，传达用户的意见和采用NLP在教育中的挑战进行了探讨。
2023-01-20 cs.CL
Using Large Language Models for education managements in Vietnamese with low resources
UET-VNU Vietnam National University Hanoi（越南国家大学河内国家大学下属UET-VNU）；Bac Ninh Teacher Training College（北宁师范学院）
本文提出VietEduFrame框架，利用源自Hanoi VNU学生文件的定制数据集，在低资源越南语环境下高效应用LLMs进行教育管理，在准确率和效率上优于现有方法。
2025-01-25 cs.AI cs.CL
Question Generation for Adaptive Education
Stanford University（斯坦福大学）
智能和自适应的在线教育系统旨在为各种学生提供高质量的教育。然而，现有的系统通常依赖于手工制作的问题池，限制了它们在适应个别学生方面的细粒度和开放性。我们探索有针对性的问题生成作为一个可控的序列生成任务。我们首先展示如何微调预训练的语言模型以进行深度知识跟踪（LM-KT）。该模型可以准确预测学生正确回答问题的概率，并推广到训练中没有看到的问题。然后，我们使用LM-KT来指定训练模型的目标和数据，以生成以学生和目标难度为条件的问题。我们的研究结果表明，我们成功地从一个真正的在线教育平台上为第二语言学习者生成了新颖的、校准良好的语言翻译问题。
2021-06-08 cs.AI cs.CL cs.LG
Automatic Generation of Word Problems for Academic Education via Natural Language Processing (NLP)
Department of Industrial Engineering（工业工程系）；DHBW Center for Advanced Studies（DHBW高级研究中心）；Heilbronn（海尔布隆）
数字学习平台使学生能够按照灵活和个性化的时间表学习，并提供即时反馈机制。STEM教育领域要求学生解决大量的训练练习，以掌握基本概念。很明显，目前的在线教育在锻炼多样性和个性化方面存在限制。许多练习在结构和内容上几乎没有变化，阻碍了学生对抽象能力的采用。本文提出了一种生成多样化、上下文丰富的词汇问题的方法。除了要求生成的语言在语法上正确之外，应用题的性质还意味着对内容有效性的额外限制。所提出的方法被证明是有效的生成有效的数理统计应用题。实验结果提出了一个折衷的生成时间和行使的有效性。系统可以很容易地被参数化，以根据特定用例的要求来处理这种权衡。
2021-09-30 cs.CL
The Role of Implicit and Explicit Demographic Signals in Large Language Model-based Student Assessment
Bocconi University（博科尼大学）；Télécom SudParis（巴黎电信南巴黎）；Institut Polytechnique de Paris（巴黎综合理工学院）
本研究通过受控提示词测试显性与隐性人口统计信号对六种大语言模型在自动作文评分、形成性反馈和元语言问答中的影响，发现模型会据此调整输出并产生潜在偏差，证实了教育评估中的人口统计敏感性。
2026-09-16 cs.AI cs.CL cs.CY
Towards Robust Numerical Question Answering: Diagnosing Numerical Capabilities of NLP Systems
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Microsoft Research（微软研究院）；Xi’an Jiaotong University（西安交通大学）
数字问答是回答需要数字能力的问题的任务。以前的作品介绍了一般的对抗攻击的数字问答，而不是系统地探讨特定的主题的数字能力。在本文中，我们提出了一系列的数值问答系统和数据集进行数值能力诊断。一系列的数值能力突出，并设计相应的数据集扰动。实证结果表明，现有的系统受到这些扰动的严重挑战。例如，在一个示例中，Graph 2 Tree在ASDiv-a上的“Extra”扰动下经历了53.83%的绝对准确度下降，BART在DROP的数值子集上经历了13.80%的准确度下降。作为一种抵消方法，我们还研究了应用扰动作为数据增强来缓解系统缺乏鲁棒数值能力的有效性。通过实验分析和实证研究，证明了具有鲁棒数值能力的数值问答在很大程度上仍然是一个悬而未决的问题。我们讨论了数值问答的未来发展方向，并总结了未来数据集收集和系统设计的指导方针。
2022-11-14 cs.CL
Survey of Natural Language Processing for Education: Taxonomy, Systematic Review, and Future Trends
School of Data Science and Engineering, East China Normal University（数据科学与工程学院，东华大学）
本综述系统回顾了NLP在教育领域的应用，构建了涵盖问答、问题构建、自动评估和错误纠正等任务的分类体系，探讨了前沿技术及LLM方法，并指出了五个未来研究方向。
2025-10-11 cs.AI cs.CL
NLP and Education: using semantic similarity to evaluate filled gaps in a large-scale Cloze test in the classroom
Universidade Federal de Sergipe - UFS（塞尔希培联邦大学）
本研究针对大规模完形填空测试的实施挑战，提出利用NLP中的词嵌入模型评估答案语义相似度的自动纠正方法，发现GloVe模型与人工评委评估相关性最高，为教育评估提供了更高效的阅读能力评估途径。
2024-11-02 cs.CL
A Review of Digital Learning Environments for Teaching Natural Language Processing in K-12 Education
University of Florida（佛罗里达大学）
本文针对K-12阶段NLP教学需求，全面综述现有数字学习环境的工具功能、教育场景下的可解释性与评估效果，梳理其优劣势与发展现状，为后续工具优化、新工具开发及NLP融入K-12教育的策略研究提供指引。
2023-10-02 cs.AI cs.CL cs.HC
CLICKER: A Computational LInguistics Classification Scheme for Educational Resources
Tata Consultancy Services Limited（塔塔咨询服务有限公司）；Yale University（耶鲁大学）；University of Waterloo（滑铁卢大学）
一个科学主题的分类方案提供了其知识体系的概述。它还可以用来方便访问与该主题有关的研究文章和其他材料。例如，ACM Computing Classification System（CCS）用于ACM数字图书馆搜索界面，也用于索引计算机科学论文。我们观察到，像CCS或数学主题分类（MSC）这样的综合分类系统并不存在于计算语言学（CL）和自然语言处理（NLP）中。我们提出了一个分类方案- CLICKER CL/NLP的基础上分析了77个大学课程在线讲座在这个问题上。目前提出的分类法包括334个主题，并侧重于CL/NLP的教育方面;它主要基于但不限于NLP课程的讲义。我们讨论了这样的分类可以帮助在各种现实世界中的应用，包括辅导平台，资源检索，资源推荐，先决条件链学习，和调查生成。
2021-12-16 cs.CL
NCTB-QA: A Large-Scale Bangla Educational Question Answering Dataset and Benchmarking Performance
Department of Computer Science and Engineering University of Dhaka（计算机科学与工程系达卡大学）
NCTB-QA是一个大规模孟加拉语教育问答数据集，通过微调BERT等模型显著提升了问答性能，验证了领域特定微调在低资源环境中的重要性。
2026-03-05 cs.CL
Cross-Data Knowledge Graph Construction for LLM-enabled Educational Question-Answering System: A Case Study at HCMUT
Ho Chi Minh City University of Technology (HCMUT)（胡志明市技术大学（HCMUT））
针对高等教育多源异构数据及 LLM 幻觉等问题，本文提出跨数据源自动构建 KG 的方法，并探索其与 LLM 结合在教育问答中的初步应用。
2024-09-07 cs.CL
UTSA-NLP at ArchEHR-QA 2025: Improving EHR Question Answering via Self-Consistency Prompting
The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
本文提出一种基于大语言模型的两步 EHR 问答方法，通过少样本提示、自洽性与阈值化改进相关句子选择，并发现 8B 模型优于 70B 模型，验证了准确句子选择对生成高质量临床回复的关键作用。
2025-06-05 cs.CL
Modern Question Answering Datasets and Benchmarks: A Survey
Delft University of Technology（代尔夫特理工大学）
问答（QA）是自然语言处理（NLP）中最重要的任务之一。它的目的是利用自然语言处理技术，在海量非结构化语料库的基础上生成一个给定问题的相应答案。随着深度学习的发展，越来越多具有挑战性的质量保证数据集被提出，许多解决这些数据集的新方法也不断出现。在本文中，我们调查了在深度学习时代发布的有影响力的QA数据集。具体来说，我们首先介绍了两个最常见的问答任务-文本问答和视觉问答-分别覆盖最具代表性的数据集，然后给出了一些当前的QA研究的挑战。
2022-06-30 cs.CL
ParaShoot: A Hebrew Question Answering Dataset
The Blavatnik School of Computer Science（布拉瓦特尼克计算机科学学院）；Tel Aviv University（特拉维夫大学）
希伯来语的NLP研究主要集中在形态学和语法上，在这些领域，有丰富的注释数据集，这些数据集都是以通用的解释为精神的。然而，语义数据集供不应求，阻碍了希伯来语NLP技术发展的关键进展。在这项工作中，我们提出了ParaShoot，第一个问答数据集在现代希伯来语。该数据集遵循SQuAD的格式和众包方法，包含大约3000个注释示例，与其他低资源语言的问答数据集类似。我们使用最近发布的BERT风格的希伯来语模型提供了第一个基线结果，表明这项任务还有很大的改进空间。
2021-09-23 cs.CL
Interpreting Themes from Educational Stories
University of Houston（休斯顿大学）；Universidad Nacional de Colombia（哥伦比亚国立大学）；MBZUAI（穆罕默德·本·扎耶德人工智能大学）
本文构建首个面向教育叙事解释性理解的主题数据集，定义多层级任务并评测前沿方法，证明推断故事主题兼具挑战与研究价值。
2024-04-08 cs.CL
Extractive Question Answering on Queries in Hindi and Tamil
与英语等语言相比，印地语和泰米尔语等印度语言在自然语言处理（NLP）领域的代表性不足。由于这种代表性不足，印度语言在NLP任务（如搜索算法）上的表现不如英语。这种差异对社会经济地位较低的人影响尤其大，因为他们消费的互联网内容大多以当地语言提供。该项目的目标是构建一个NLP模型，该模型在印地语和泰米尔语的公共数据集上执行提取问答（QA）任务时比现有模型表现更好。摘要QA是一项NLP任务，其中问题的答案是从相应的文本中提取的。为了构建最佳解决方案，我们使用了三种不同的模型。第一个模型是NLP模型RoBERTa的未修改的跨语言版本，称为XLM-RoBERTa，它在100种语言上进行了预训练。第二个模型基于预训练的RoBERTa模型，为问答提供了额外的分类头，但我们使用了自定义的印度语标记器，然后优化了超参数并对印度语数据集进行了微调。第三个模型基于XLM-RoBERTa，但在Indic数据集上进行了额外的微调和训练。我们假设第三个模型将表现最好，因为XLM-RoBERTa模型已经在各种语言上进行了预训练，并且在印度数据集上进行了额外的微调。这一假设被证明是错误的，因为配对的RoBERTa模型表现最好，因为所使用的训练数据最具体的任务，而不是XLM-RoBERTa模型，其中有很多数据不是印地语或泰米尔语。
2022-09-27 cs.CL
EDUQA: Educational Domain Question Answering System using Conceptual Network Mapping
Million Sparks Foundation（百万星火基金会）
大多数现有的问答模型可以在很大程度上被编译成两类：i）开放域问答模型，其回答通用问题并使用大规模知识库以及目标网络语料库检索;以及ii）封闭域问答模型，其解决集中的提问区域并使用复杂的深度学习模型。上述两种模式都是通过文本理解的方法来得出答案的。由于它们无法捕捉文本内容的教学意义，这些模型不适合教育领域的教学。在本文中，我们提出了一个飞行概念网络模型，结合教育语义。该模型通过在概念网络上应用智能索引算法来保持概念实体之间的相关性，从而提高答案的生成。该模型可用于构建交互式对话代理以帮助课堂学习。
2019-11-12 cs.AI cs.CL cs.LG
Practising responsibility: Ethics in NLP as a hands-on course
University of Groningen（Groningen大学）；University of Turin（都灵大学）；Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）
本课程通过实操和互动方式，培养学生在NLP技术中的伦理意识与批判性思维，促进教育中的社会责任感。
2025-12-31 cs.AI cs.CL
CS1QA: A Dataset for Assisting Code-based Question Answering in an Introductory Programming Course
KAIST（韩国科学技术院）
我们介绍了CS1QA，一个数据集的基于代码的问答在编程教育领域。CS1QA由9，237个问答对组成，这些问答对是从使用Python的入门编程课程中的聊天日志中收集的，还有17，698个带代码的未注释聊天数据。每个问题都附有学生的代码，以及与回答问题相关的代码部分。我们精心设计了CS1QA的标注过程，并对收集到的数据集进行了详细的分析。CS1QA的任务是预测问题类型，给出问题和代码的相关代码片段，并从带注释的语料库中检索答案。几个基线模型的实验结果进行了报告和深入分析。CS1QA的任务要求模型理解代码和自然语言。这个独特的数据集可以用作教育环境中源代码理解和问答的基准。
2022-10-26 cs.CL
QA Dataset Explosion: A Taxonomy of NLP Resources for Question Answering and Reading Comprehension
University of Copenhagen（哥本哈根大学）；RIKEN（理化学研究所）；Microsoft Semantic Machines（微软语义机器公司）
近年来，除了对NLP中深度学习模型的大量研究外，还对跟踪建模进度所需的基准数据集进行了大量研究。在这方面，问答和阅读理解特别多产，在过去两年中出现了80多个新的数据集。这项研究是迄今为止该领域最大的调查。我们提供了目前的资源的各种格式和领域的概述，突出了目前的空白，为未来的工作。我们进一步讨论了当前的分类“技能”，问答/阅读理解系统应该获得，并提出了一个新的分类。补充材料调查目前的多语种资源和单语资源的语言以外的英语，我们讨论了过度关注英语的影响。这项研究既针对寻找现有数据财富指针的从业者，也针对研究新资源的研究人员。
2022-09-19 cs.AI cs.CL
What Should I Learn First: Introducing LectureBank for NLP Education and Prerequisite Chain Learning
Yale University（耶鲁大学）
近年来，自然语言处理（NLP）和相关领域（如人工智能（AI）和机器学习（ML））的日益普及。许多在线课程和资源，即使对于那些没有在该领域的强大背景。学生通常对某个特定的主题感到好奇，但不知道从哪里开始学习。为了回答“首先应该学习什么”的问题，我们应用基于嵌入的方法来学习自然语言处理领域中课程概念的先决条件关系。我们介绍LectureBank，一个数据集，包含1,352个英语讲座文件收集的大学课程，每个根据现有的分类法以及208手动标记的先决条件关系的主题，这是公开的。该数据集将用于教育目的，如演讲准备和组织以及阅读清单生成等应用程序。此外，我们使用基于神经图的网络和非神经分类器进行实验，以从我们的数据集中学习这些先决条件关系。
2018-11-26 cs.CL cs.CY cs.IR
emrQA: A Large Corpus for Question Answering on Electronic Medical Records
MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）；IBM TJ Watson Research Center（IBM托马斯·J·沃森研究中心）；University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校）；Carle Illinois College of Medicine（伊利诺伊大学卡勒医学院）
我们提出了一种新的方法来生成特定领域的大规模问答（QA）数据集，通过重新利用现有的其他NLP任务的注释。我们展示了这种方法的一个实例，通过利用社区共享的i2b2数据集的各种NLP任务的临床笔记上的现有专家注释，为电子病历生成大规模QA数据集。由此产生的语料库（emrQA）有100万个问题逻辑形式和40万多个问答证据对。我们通过训练问题到逻辑形式和问题到答案映射的基线模型来描述数据集并探索其学习潜力。
2018-09-03 cs.CL
Towards Process-Oriented, Modular, and Versatile Question Generation that Meets Educational Needs
University of Michigan（密歇根大学）
基于自然语言处理的问题自动生成技术在节省教师的时间和帮助学生学习方面具有巨大的教学潜力。然而，QG系统至今尚未在教室中广泛采用。在这项工作中，我们的目标是找出关键的障碍，并研究如何通过了解教师如何构建问题和识别接触点来提高自动QG技术在教育目的中的可用性，以增强底层的NLP模型。我们与7所不同大学的11名教师进行了深入的需求发现研究，并总结了他们在创建问题时的思维过程和需求。虽然教师对使用NLP系统来支持问题设计表现出极大的兴趣，但他们中没有一个人在实践中使用过这样的工具。他们求助于多种信息来源，从领域知识到学生的误解，所有这些都是今天的QG系统所缺少的。我们认为，建立有效的人类NLP协作QG系统，强调教师的控制和可解释性是现实世界的采用势在必行。我们要求QG系统提供面向过程的支持，使用模块化设计，并处理不同的输入源。
2022-04-30 cs.CL cs.HC
Fine-Tuning BERT for Domain-Specific Question Answering: Toward Educational NLP Resources at University Scale
Dept. of Electronic & Computer Engineering, University of Limerick（电子与计算机工程系，利默里克大学）
本研究通过微调BERT模型，针对大学课程材料开发了首个领域特定问答系统，展示了基础模型在教育领域的应用潜力。
2025-12-04 cs.AI cs.CL
PaniniQA: Enhancing Patient Education Through Interactive Question Answering
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Emory University（埃默里大学）；Northeastern University（东北大学）；UMass Chan Medical School（马萨诸塞大学陈医学院）；University of Minnesota（明尼苏达大学）；University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
本文提出以患者为中心的交互式问答系统 PaniniQA，通过识别出院指导中的关键临床内容、生成个性化问题并验证答案，帮助患者理解和掌握医疗指导。
2023-08-21 cs.AI cs.CL
IIE-NLP-NUT at SemEval-2020 Task 4: Guiding PLM with Prompt Template Reconstruction Strategy for ComVE
Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；University of Chinese Academy of Sciences（中国科学院大学）
本文介绍了我们的系统SemEval Task4的前两个子任务：常识验证和解释。为了明确判断意图和注入对比信息进行选择，我们提出了提示模板的输入重构策略。具体地说，我们将子任务形式化为多项选择问答格式，并利用提示模板构造输入，然后将问答的最终预测结果视为子任务的结果。实验结果表明，我们的方法取得了显着的性能相比，基线系统。我们的方法在前两个子任务的两个官方测试集上都获得了第三名，准确率分别为96.4和94.3。
2020-07-02 cs.CL
KnowShiftQA: How Robust are RAG Systems when Textbook Knowledge Shifts in K-12 Education?
Department of Computer Science and Engineering, HKUST, Hong Kong SAR, China（计算机科学与工程系，香港科技大学，香港特别行政区，中国）；Department of Mechanical Engineering, The University of Tokyo, Tokyo, Japan（机械工程系，东京大学，东京，日本）
本文提出KnowShiftQA数据集，通过模拟教科书知识更新与LLM参数化知识之间的差异，系统评估RAG系统在K-12教育问答中的稳健性，发现多数RAG系统性能显著下降，且知识整合类问题对当前LLMs构成突出挑战。
2025-07-21 cs.CL
Disfl-QA: A Benchmark Dataset for Understanding Disfluencies in Question Answering
Google（谷歌）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Georgia Institute of Technology（佐治亚理工学院）
不流利是NLP中研究不足的主题，尽管它在人类对话中无处不在。这主要是由于缺乏包含不流利内容的数据集。在本文中，我们提出了一个新的挑战问答数据集，Disfl-QA，SQuAD的衍生物，人类在以前流利的问题中引入上下文不流利。Disfl-QA包含各种具有挑战性的不流利，需要比以前的数据集更全面地理解文本。实验表明，现有的国家的最先进的问答模型的性能显着下降时，测试在zero-shot setting.We显示数据增强方法部分恢复的性能损失，也证明了使用黄金数据进行微调的有效性。我们认为，我们需要大规模的不流利数据集，以便NLP模型对它们具有鲁棒性。该数据集可在www.example.com上公开获得。
2021-06-08 cs.CL
SUKHSANDESH: An Avatar Therapeutic Question Answering Platform for Sexual Education in Rural India
Indian Institute of Technology Delhi（印度理工学院德里分校）；Gram Vaani Community Media (Onion Dev Technologies Pvt. Ltd.)（Gram Vaani社区媒体（洋葱开发私人有限公司））
本文提出SUKHSANDESH，一个面向印度农村的多阶段AI性教育问答平台，结合信息检索、大语言模型、安全护栏、数据匿名化及化身治疗音频交互，以应对性教育污名化问题。
2024-05-03 cs.CL cs.CY
IIE-NLP-Eyas at SemEval-2021 Task 4: Enhancing PLM for ReCAM with Special Tokens, Re-Ranking, Siamese Encoders and Back Translation
Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院）
本文介绍了SemEval-2021任务4：抽象意义的阅读理解的所有三个子任务的系统。为了帮助我们的模型更好地表示和理解自然语言中的抽象概念，我们精心设计了许多简单而有效的方法，适用于骨干模型（RobERTa）。具体地说，我们将子任务形式化为多项选择问答格式，并在抽象概念中添加特殊的标记，然后将问答的最终预测结果视为子任务的结果。此外，我们采用了许多微调技巧来提高性能。实验结果表明，我们的方法取得了显着的性能相比，基线系统。我们的方法子任务-1和子任务-2的第十等级上实现第八等级。
2021-02-25 cs.CL
Deep Learning Approaches for Improving Question Answering Systems in Hepatocellular Carcinoma Research
Virginia Tech（弗吉尼亚理工大学）；Northeastern University（东北大学）；University of Southern California（南加州大学）；Miami University（迈阿密大学）；Northern Arizona University（北亚利桑那大学）
本文探讨了基于BERT、GPT-3等大规模预训练模型的NLP问答系统在肝细胞癌研究中的应用现状与发展前景，旨在推动该领域的进一步探索。
2024-02-25 cs.AI cs.CL cs.LG
Lit3R: Retrieve-Relate-Read for Evidence-Grounded Question Answering over Scientific Literature
Tokyo University of Science（东京理科大学）；Dentsu Soken Inc.（电通综研株式会社）；Studio Ousia
Lit3R系统结合现成检索、重排序和LLM组件，通过迭代检索与跨论文证据综合，在LitTraceQA任务中排名第四，无需任务特定训练。
2026-09-16 cs.CL
NLProlog: Reasoning with Weak Unification for Question Answering in Natural Language
University College London（伦敦大学学院）
基于规则的模型对各种任务都有吸引力，因为它们本质上导致可解释和可解释的决策，并且可以很容易地结合先验知识。然而，这样的系统是难以适用于涉及自然语言的问题，由于其语言的可变性。相比之下，神经模型可以通过从数据中学习单词及其组成的分布式表示来很好地应对歧义，但会导致难以解释的模型。在本文中，我们描述了一种新的方式解决多跳推理任务的自然语言的神经网络与逻辑编程相结合的模型。具体来说，我们建议使用Prolog证明器，我们扩展到利用预训练的句子编码器的相似性函数。我们通过反向传播来微调相似性函数的表示。这导致了一个系统，可以应用基于规则的推理自然语言，并从训练数据诱导特定领域的规则。我们在两个不同的问答任务上评估了所提出的系统，表明它优于两个基线- BIDAF（Seo等人，2016 a）和FAST QA（Weissenborn等人，2017 b），并在MedHop数据集上取得了有竞争力的结果（Welbl et al.，2017年）。
2019-06-14 cs.CL cs.LO
An NLP Crosswalk Between the Common Core State Standards and NAEP Item Specifications
Rutgers University（罗格斯大学）
提出一种基于NLP和嵌入向量多变量相似度的混合回归程序，用于建立内容标准与试题规范间的交叉映射，并验证了其评估4年级CCSS与2026年NAEP试题规范匹配度的有效性。
2024-05-31 cs.AI cs.CL
Block-Skim: Efficient Question Answering for Transformer
Shanghai Jiao Tong University（上海交通大学）；Shanghai Qi Zhi Institute（上海期智研究院）；University of Rochester（罗切斯特大学）
Transformer模型在自然语言处理（NLP）任务（包括抽取式问答（QA））上取得了令人满意的结果。NLP任务中使用的常见Transformer编码器处理所有层中上下文段落中所有输入标记的隐藏状态。然而，与序列分类等其他任务不同，回答提出的问题并不一定需要上下文段落中的所有标记。基于这个动机，我们提出了Block-skim，它学习在更高的隐藏层中跳过不必要的上下文，以提高和加速Transformer的性能。Block-Skim的关键思想是识别必须进一步处理的上下文和那些可以在推理过程中早期安全丢弃的上下文。重要的是，我们发现，这样的信息可以充分地从Transformer模型内部的自我注意力权重。我们进一步修剪隐藏状态对应的不必要的位置早在较低的层，实现显着的推理时间加速。令我们惊讶的是，我们观察到，以这种方式修剪的模型优于其全尺寸的同行。Block-Skim提高了QA模型在不同数据集上的准确性，并实现了基于BERT模型的3倍加速。
2022-05-15 cs.CL
A Role-Aware Multi-Agent Framework for Financial Education Question Answering with LLMs
Rensselaer Polytechnic Institute（罗切斯特理工学院）；University of Amsterdam（阿姆斯特丹大学）
本文提出一个基于角色提示的多智能体框架，通过Base Generator、Evidence Retriever和Expert Reviewer协同单次迭代，利用RAG和专家审查提升金融教育QA性能，准确率较零样本CoT基线提高6.6-8.3%，使小模型媲美金融微调大模型。
2025-09-10 cs.CE cs.CL
