Skillearn：受人类学习技能启发的机器学习

人类作为地球上最强大的学习者，积累了大量学习技能，例如通过测试学习、交错学习、自我解释、主动回忆等等。这些学习技能与方法使人类能更有效、高效地学习新主题。我们感兴趣于探究人类的习技能是否可被借鉴以帮助机器更好地学习。具体而言，我们旨在将这些技能形式化并利用它们训练更好的机器学习（ML）模型。为实现该目标，我们开发了一个通用框架——Skillearn，它提供了一种以数学方式表示人类学习技能并运用形式化表示的技能改进ML模型训练的原则性方法。在两个案例研究中，我们应用Skillearn形式化人类的两种学习技能：通过测试学习和交错学习，并利用形式化技能改进神经架构搜索。在多个数据集上的实验表明，使用Skillearn形式化的技能训练的ML模型取得了显著更好的性能。