寻找相似习题的实证研究

教育人工智能旨在赋能教育领域的任务，如智能组卷与巩固练习，其背后核心技术是如何匹配习题，即寻找相似习题（FSE）问题。现有多数方法强调其习题表示模型的性能，遗憾的是仍存在诸多挑战，如数据稀缺、对习题理解不足以及标签噪声高。我们发布了面向标签稀缺数据集的中文教育预训练语言模型 BERT$_{Edu}$，并引入习题规范化以克服习题中数学公式与术语的多样性。我们以创新方式基于解题思想发掘了新的辅助任务，并提出一种非常有效的 MoE 增强多任务模型用于 FSE 任务，以更好地理解习题。此外，利用置信学习对训练集进行剪枝，克服标注数据中的高噪声。实验表明，本文提出的这些方法非常有效。