标签
提出一种无标签数据的元学习方法，通过将预训练模型的软标签分配给未标注数据来生成任务，避免了计算昂贵的模型逆推。与最先进的DFML方法相比，实现了高达104倍的加速和8.4%-36.4%的准确率提升。
该论文提出了一种流水线，利用少样本文本分类器和GPT-4提取的先决条件知识图谱，将学生在对话式AI助教中提出的问题映射到课程主题。在1,340个问题事件上实现了80%的准确率，并与学生自我报告的难度相关。