为何不使用教科书？知识增强的教学视频程序规划
原文中文，约1300字，阅读约需3分钟。
📝
内容提要
本文介绍了一种基于transformer的弱监督学习方法，旨在从自然语言指令中提取过程规划，避免昂贵的视频标注。研究表明，该方法在多个数据集上优于全监督模型，并提出了多种新框架和模型以提高程序理解任务的精度。
❓
Q&A
什么是基于transformer的弱监督学习方法？
基于transformer的弱监督学习方法旨在从自然语言指令中提取过程规划，避免昂贵的视频标注。
Dual Dynamics Networks（DDN）框架的目的是什么？
DDN框架旨在解决学习结构化、可规划的状态和动作空间的技术挑战，以应对复杂任务规划的问题。
Procedural Knowledge Graph (PKG) 是如何构建的？
PKG通过无标签的教学视频和基于文本的程序知识库信息融合而成，生成伪标签以提高程序理解任务的精度。
该研究如何提高程序理解任务的精度？
研究通过构建PKG和采用多种预训练目标，训练视频表示模型，从而提高程序理解任务的精度。
如何利用事件引导的范式进行过程规划？
通过从观察到的状态中推断事件，并基于状态和预测的事件规划行动，来实现过程规划。
KOALA模型解决了哪些问题？
KOALA模型解决了手续性文本理解中的外部知识注入和数据不足的问题，最终在多个数据集上达到了最先进的性能。
🏷️
