BriefGPT - AI 论文速递
·
记忆感知线性偏差对于专注式知识追踪的效果
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该论文提出了一个新的CORE框架，用于解决知识追踪任务中的答案偏差问题。该框架从因果关系的角度出发，通过减去直接因果效应来进行debias推理。实验证明，该框架适用于现有的多种KT模型，并在三个基准数据集上表现出有效性。
🎯
关键要点
- 知识追踪（KT）通过学生与概念相关问题的学习互动监控知识状态。
- 存在普遍的答案偏差现象，正确和错误答案分布不平衡。
- 作者提出了一个新的CORE框架来减轻答案偏差。
- CORE框架从因果关系角度进行debias推理，减去直接因果效应。
- 该框架适用于多种KT模型，并在三个基准数据集上表现出有效性。
➡️
