我想使用强化学习来开发数学测验程序。 假设我们手头有1000个问题，每个测验中要问25个问题。程序必须随机学习用户回答并询问下一个问题的方式，而不是随意提问。
测验程序应该是强化学习代理。如何设计解决方案？将使用哪些强化学习技术？ 范例： BoT：什么是5+ 1： 用户：3（错误答案） 机器人：问的是简单的问题，或者正确答案是否是一个困难的问题。
答案 0 :(得分：0)
PPO是edTech领域中此类RL应用程序的非常常用的技术。您可以从此article中获得很多启发。他们使用RLgraph软件包和PPO算法。
您首先必须定义您的目标/奖励功能。在您的情况下，我将奖励函数定义为与正确回答的先前问题的百分比有关。如果此百分比为0％或100％，则奖励较低（太难/容易）。如果接近50％，您可能会选择较高的奖励。
这样，算法将转向获得50％正确性（中等难度）的问题。您可以使用范围（最近2个q或最近10个q）玩。
作为状态空间，您还可以包含正确回答的问题，例如年龄等特征，以在用户未使用过多算法时帮助其启动算法。
作为操作空间，您可以提出所有问题。您还可以根据自己的直觉将问题（例如，困难/容易或几何/代数）进行聚类，并使聚类动作，以减少动作空间。