[3Win5] ポスターセッション3

[3Win5-11] 学習順番の有向グラフアノーテーションに関する人と LVLM の傾向の違い：中学数学指導要領のケース

〇キム ヨンミン¹、小島 武¹、岩澤 有祐¹、松尾 豊¹ (1.東京大学)

キーワード：大規模視覚言語モデル、カリキュラムラーニング、カリキュラムグラフ

機械学習において，カリキュラムラーニングはモデルをより効果的に学習させる手法の一つである．カリキュラムラーニングを実現するには，学習順序を決定する必要がある．しかし，この順序を決定するにはデータ間の依存関係をアノテーションする必要があり，この作業は人手で行うと高コストである．本研究では，LVLM（大規模視覚言語モデル）が人間の代わりに学習カリキュラムを作成できるかを検証した．具体的には，中学数学の学習指導要領の各単元を基に，LVLMが人間のようにカリキュラムを作成できるかを評価した．人間とLVLMに学習指導要領の2つの異なる単元の説明と問題の例を提示し，学習の依存関係を回答させ，その依存関係を基にカリキュラムを構築させた．その結果，LVLMより，人間の方がタスク間の関係性を見出す傾向が強いことが観察された．本研究の結果から，既存のLVLMを用いてタスク間の依存関係を調査し，特定のカリキュラムを作成するためには，LVLMの人間へのアライメントをさらに強化する必要があると考えられる.