ProtoTransformer：一种用于提供学生反馈的元学习方法

高质量的计算机科学教育受限于难以大规模向学生提供教师反馈。尽管原则上这种反馈可以实现自动化，但预测正确反馈的监督方法受限于标注大量学生代码的不可行性。在本文中，我们转而将提供反馈的问题构建为少样本分类，其中元学习器仅从教师标注的少量示例中适应，对新编程问题上的学生代码给出反馈。由于用于元训练的数据有限，我们提出了对典型少样本学习框架的若干改进，包括创建合成任务的任务增强，以及用于构建关于每个任务的更强先验的额外辅助信息。这些改进与 transformer 架构相结合，将离散序列（如代码）嵌入到反馈类标签的原型表示中。在一系列少样本自然语言处理任务上，我们达到或超越了最先进的性能。随后，在某大学入门课程学生考题解答的集合上，我们表明我们的方法在未见问题上达到 88% 的平均精度，超过了助教 82% 的精度。我们的方法已成功部署，为一所一流大学开设的编程课程中的 16000 份学生考题解答提供反馈。据我们所知，这是基于机器学习的反馈系统首次成功部署于开放式学生代码。