「刷题」可以说是贯穿人生的始终了，有些题目可以独自解决，比如考试题；但诸如面试类需要互动的题目时，一个人就很难刷动了。

这种互动不同于一般的问答，通常需要「陪练方」在特定情境下对问题进行回答，并引导用户进行思考，以达到最终目标。

比如面试官不会只负责提问，还需要引导你说出对问题的理解思路，以及可选的解决方案。这类问题也可能是开放式的，比如自我介绍等。

AI的终极目标，就是一切人可以做的事，都可以由模型替代，这类「面试陪练员」也不例外。

但在当下的自然语言处理领域，这种能力还没有得到足够的重视，并且在技术上很具有挑战性。

最近Google在官方博客上介绍了一个重要的自然语言理解（NLU）能力，即自然语言评估（Natural Language Assessment, NLA），并讨论了如何能够在教育的背景下有所帮助。

典型的 NLU 任务关注用户的意图，而 NLA 允许从多个角度评估答案。

在用户想知道他们的答案有多好的情况下，NLA 可以提供一个关于答案与预期有多接近的分析。

在可能没有「正确」答案的情况下，NLA 可以提供细微的洞察力，包括主题性、相关性、冗长问题等等。

研究人员制定了 NLA 的范围，提出了一个实用的模型来执行主题性NLA，并展示了如何使用 NLA 来帮助求职者练习回答面试问题。

自然语言评估概述

NLA 的目标是根据一组期望（expectations）来评估用户给出的答案。

比如说有一个与学生交互的NLA系统，有以下几个组成部分：

• 向学生提出一个问题；
  
• 期望定义了用户预期在回答中得到什么。例如一个具体的文本回答或者是一组用户期望答案涵盖的主题，并且回答需要简洁。
  
• 由学生提供的答案；
  
• 评估结果。包括正确性、信息缺失、过于具体或笼统、文体反馈、发音等。
  
• 可选项：上下文。例如一本书或一篇文章中的某一段。
  

使用 NLA，对答案的期望和对答案的评估都可以非常宽泛，这使得师生之间的互动更具表现力且更有细节。

有具体正确答案的问题

即使在有明确的正确答案的情况下，也可以比简单的正确或不正确更细微地评估答案。

• 上下文（Context）：哈利波特与魔法石
  
• 问题（Question）：霍格沃茨是什么?
  
• 期望（Expectation）：霍格沃茨是一所魔法学校
  
• 回答（Answer）：我不是很确定，但我认为这是一所学校。
  

对于问答系统来说，上面这个回答可能因为缺少关键细节「魔法」而被标记为不正确，因为用户会认为这个答案并非完全正确，也没有太大意义。

NLA可以提供更细节的理解力，例如认定学生的回答太过于笼统，并且学生本人对该回答不够确信。

这种细微的评估，以及注意到学生所表达的不确定性，对于帮助学生在会话环境中建立技能非常重要。

主题预期

在许多情况下，提问者并不期望得到具体答复。

例如，如果一个学生被问到一个观点类问题，并没有具体的文本期望，提问者更关注的是回答相关性以及观点，或许答案的简洁度和流畅性也在提问者的评估范围内。

• 问题：请进行自我介绍。（Tell me a little about yourself?）
  
• 期望：一个主题集合，可能包括「教育 」、「经历」、「兴趣」等
  
• 回答：我在加州的萨利纳斯长大，后来去了斯坦福大学，主修经济学，但后来对科技产业感到兴奋，所以接下来我...
  

在这种情况下，一个有用的评估输出将把用户的答案映射到所涉及的主题的子集，可能还有文本的哪些部分与哪个主题相关的标记。

从自然语言处理的角度来看，这很有挑战性，因为答案可能很长，主题也可能是混合的，而且每个主题本身可能是多方面的。

主题性NLA模型

原则上，主题性NLA（Topicallity NLA）是一个标准的多分类任务，开发者可以根据常用的模型很容易地训练出一个分类器。

但对于NLA来说，可用的训练数据很少，收集每个问题和主题的训练数据成本很高，也很耗时。

谷歌的解决方案是将每个主题分解成可以使用大型语言模型(LLM)进行标识的细粒度组件，并进行简单的通用调优。

研究人员将每个主题映射到一个潜在问题列表，并定义如果句子包含对这些潜在问题之一的答案，那么它就涵盖了该主题。

对于经历（Experience）这个主题，模型可以选择一些潜在的问题，比如:

• 你在哪里工作？
  
• 你是学什么的？
  
• ...
  

再比如兴趣（Interests）这个主题下，也有一些基本问题，如

• 你对什么感兴趣？
  
• 你喜欢做什么？
  
• ...
  

这些基本问题是通过迭代的手工过程设计的。

重要的是，由于这些问题是足够细粒度的，当前的语言模型可以捕获这些句子内的语义（比如What和Where的区别），也使得开发者可以为NLA的主题任务提供一个zero-shot设置: 模型训练一次后，即可不断添加新的问题和新的主题，或通过修改基本内容期望改编现有的主题，而不需要收集主题特定的数据。

帮助求职者准备面试

为了探索NLA的应用场景，谷歌的开发者还与求职者合作开发了一个新工具Interview Warmup，帮助用户在IT Support和用户体验设计等快速增长的就业领域为面试做准备。

网站上提供了大量的问题，求职者自己在家就能练习回答行业专家提出的问题，以帮助在真人面试中变得更加自信和从容。

谷歌也是受求职者的启发，了解面试过程中的难点后提出了NLA研究。

Interview Warmup并不对答案进行评分或判断，它只为用户提供一个独自练习的环境，并且帮助用户进行自我改进。

每当用户回答一个面试问题后，该答案会被NLA模型逐句解析，然后用户可以在不同的谈话要点之间切换，看看在他们的答案中发现了哪些要点。

研究人员意识到，在向用户发出信号表示他们的反馈是「good」时，存在许多潜在的陷阱，尤其是当模型只检测到有限的主题集时。

相反，该系统把控制权掌握在用户手中，只使用机器学习来帮助用户发现如何改进。

到目前为止，该工具已经帮助了大量来自世界各地的求职者，取得了很大的成果，并且开发团队最近已经将其扩展到非洲，并计划继续与求职者合作，迭代并使该工具对数百万正在寻找新工作的人更有帮助。

自然语言评估(NLA)是一个具有技术挑战性和有趣的研究领域。

NLA为新的会话应用铺平了道路，通过从多个角度对答案进行细致入微的评估和分析，促进了学习。

通过与社区合作，从求职者和企业到课堂教师和学生，可以确定NLA有潜力帮助用户进行学习、参与和发展各种学科的技能的情况，以一种负责任的方式建立应用程序，使用户能够评估自己的能力，并找到改进的方法。参考资料：https://ai.googleblog.com/2022/10/natural-language-assessment-new.html