BriefGPT - AI 论文速递 · 2024-01-18T00:00:00Z

基于 Transformer 基础模型的课程推荐：采用 InfoNCE 损失和语言切换方法

📝

内容提要

本文介绍了一种通过Transformer Base Model来提高计算效能、实现准确内容-主题匹配的方法。通过语言切换策略消除翻译歧义，提出了Curriculum Recommendations范式，解决教育技术和课程开发不平等问题，实现平等学习体验。

🎯

关键要点

• 采用Transformer Base Model提高计算效能

• 实现InfoNCE Loss进行准确的内容-主题匹配

• 使用语言切换策略消除翻译歧义

• 提出Curriculum Recommendations范式

• 解决教育技术和课程开发的不平等问题

• 实现平等的学习体验

🏷️

标签

Curriculum Recommendations范式 Transformer Base Model transformer 内容-主题匹配 教育技术 语言切换策略