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。
评论
沙发等你来抢