turing-project/essaytopicpredictv2

高考作文题目预测模型 v1.0

essaytopicpredictv2's Issues

这不是问题，这是致谢！

   虽然阴差阳错的学了点编程的皮毛，但本职工作是高中语文老师。地处十八线小县城，教育资源薄弱。想了解高考风向什么的，向来是请所谓专家来侃大山。也经历过专家预测全歪的惨剧，偶然看到作者的视频找到这儿，虽然今年带的是高二，但也不影响向高三的同事们安利作者的视频（和同事朋友一分析，21个预测主题里，有14个主题和教师预测的相同或类似或强相关），遗憾的是看到视频的时间还是太迟了一些，高三学生已经离校放温书假了。
 但是，以一个语文教师的角度看这个项目，它的意义远不在预测一下高考风向而已（事实上我们也不赞同学生以撞大运的心态去准备高考），单是能从给定语料中分析出关键词或主题来，就意味着教师对教学资源的筛选和分析效率能有指数级的提高！高中语文教学中一头是浩如烟海的文本，一头是时间精力有限的学生，中间的桥梁是老师，“桥梁”关心的就是如何能更快更好的将最适合学生的资源交到他们手里。身处县中，不得不承认，我们这些桥梁可能永远也比不上发达地区。像我，普通师范院校毕业，既不是博士硕士也谈不上学富五车，总是心中惶惶，怕误人子弟。但人力有时而穷，AI却有独到之处。 虽然预测结果如何，还有3天才能见分晓，可是这个项目已经隐隐让我看到了信息化促进教育公平这句口号至少在中学语文学科上落到实处的可能性。期待有一天，在技术的帮助下，那些教育资源薄弱地区的孩子，那些真正刻苦的孩子，真正有天赋的孩子，能在一个更公平的环境中实现他们的梦想... ...
心情激动，有些不知所云，在此向作者致谢。

关于chatgpt辅助的消融实验

在视频中提到，本地模型训练得出第一轮信息，压缩后给chat4利用泛化信息判断。

但我个人对于泛化信息能否帮助模型进行进一步筛选存在疑惑，理由是本地模型在见过本地获取数据后具有更加专业的能力，而chat所用的训练数据可能没有包括这部分的中文语料，导致本地模型在专有任务上表现能力更强。

具体的做法是仅使用本地模型输出有限个主题并直接作为结果。或者请问作者是否观测过chat是否在排除低效主题发挥作用。

总之感谢作者的知识和代码分享，让我获益颇丰。