使用強化學習的數學測驗應用

Question

我想使用強化學習開發一個數學測驗程序。 假設我們手頭有 1000 個問題，每個測驗要問 25 個問題。 程序必須從用戶回答的方式中學習並提出下一個問題，而不是隨機提問。

問答程序應該是一個強化學習代理。 如何設計解決方案以及要使用哪些強化學習技術？ 示例：BoT：什么是 5+ 1：用戶：3（錯誤答案） Bot：問了一個簡單的問題，或者如果正確答案問了一個困難的問題。

Answer 1

PPO 是 edTech 領域中此類 RL 應用程序非常常用的技術。 您可以從這篇文章中獲得很多靈感。 他們使用 RLgraph 包和 PPO 算法。

您首先必須定義您的目標/獎勵功能。 在您的情況下，我會將獎勵函數定義為與正確回答的先前問題的百分比有關。 如果此百分比為 0% 或 100%，則獎勵較低（太難/太容易）。 如果它接近 50%，您可能會選擇高獎勵。

這樣，算法將轉向獲得 50% 正確性的問題（中等難度）。 您可以玩范圍（最后 2 q's 或最后 10 q's）。

作為狀態空間，您還可以包括正確回答的問題，可能包括年齡等特征，以在用戶尚未使用太多時幫助啟動算法。

作為行動空間，你可以擁有所有的問題。 您還可以根據您的直覺對（例如困難/簡單或幾何/代數）問題進行聚類，並進行聚類操作，以減少操作空間。