使用强化学习的数学测验应用

Question

我想使用强化学习开发一个数学测验程序。 假设我们手头有 1000 个问题，每个测验要问 25 个问题。 程序必须从用户回答的方式中学习并提出下一个问题，而不是随机提问。

问答程序应该是一个强化学习代理。 如何设计解决方案以及要使用哪些强化学习技术？ 示例：BoT：什么是 5+ 1：用户：3（错误答案） Bot：问了一个简单的问题，或者如果正确答案问了一个困难的问题。

Answer 1

PPO 是 edTech 领域中此类 RL 应用程序非常常用的技术。 您可以从这篇文章中获得很多灵感。 他们使用 RLgraph 包和 PPO 算法。

您首先必须定义您的目标/奖励功能。 在您的情况下，我会将奖励函数定义为与正确回答的先前问题的百分比有关。 如果此百分比为 0% 或 100%，则奖励较低（太难/太容易）。 如果它接近 50%，您可能会选择高奖励。

这样，算法将转向获得 50% 正确性的问题（中等难度）。 您可以玩范围（最后 2 q's 或最后 10 q's）。

作为状态空间，您还可以包括正确回答的问题，可能包括年龄等特征，以在用户尚未使用太多时帮助启动算法。

作为行动空间，你可以拥有所有的问题。 您还可以根据您的直觉对（例如困难/简单或几何/代数）问题进行聚类，并进行聚类操作，以减少操作空间。