OpenAI研究 可解释和教学的例子
教师有意选择最能提供信息的例子来向学生展示。然而,如果教师和学生是神经网络,那么教师网络学会给出的例子虽然可以有效地教给学生,但通常是无法解释的。我们表明,反复而不是联合培训学生和教师可以产生可解释的教学策略。我们通过 (1) 衡量教师的紧急策略与每个领域的直觉策略的相似性以及 (2) 进行人体实验来评估教师的策略在教学人类方面的有效性来评估可解释性。我们展示了教师网络学习选择或生成可解释的教学示例来教授基于规则的、概率的、布尔的和分层的概念。
教师有意选择最能提供信息的例子来向学生展示。然而,如果教师和学生是神经网络,那么教师网络学会给出的例子虽然可以有效地教给学生,但通常是无法解释的。我们表明,反复而不是联合培训学生和教师可以产生可解释的教学策略。我们通过 (1) 衡量教师的紧急策略与每个领域的直觉策略的相似性以及 (2) 进行人体实验来评估教师的策略在教学人类方面的有效性来评估可解释性。我们展示了教师网络学习选择或生成可解释的教学示例来教授基于规则的、概率的、布尔的和分层的概念。