الألعاب القائمة على النص محاكاة العالمين والتفاعل مع اللاعبين باستخدام اللغة الطبيعية. لقد استخدمها العمل الحديث كخطأ في وكلاء فهم اللغة المستقلة، مع وجود الدافع هو فهم معاني الكلمات أو الدلالات هو مكون رئيسي في كيفية فهم البشر والسبب والتصرف في هذه
العوالم. ومع ذلك، لا يزال غير واضح إلى أي مدى يستخدم الوكلاء الاصطناعي الفهم الدلالي للنص. تحقيقا لهذه الغاية، نقوم بإجراء تجارب لتقليل كمية المعلومات الدلالية المتاحة لعامل التعلم. من المستغرب أن نجد أن الوكيل قادر على تحقيق درجات عالية حتى في الغياب التام للدليل اللغوي، مما يشير إلى أن الإعداد التجريبي الشهير حاليا قد تكون مصممة بشكل سيء لفهم واستفادة من نصوص اللعبة. لعلاج هذا النقص، نقترح فك تشفير ديناميات عكسية لتنظيم مساحة التمثيل وتشجيع الاستكشاف، مما يدل على تحسين الأداء في العديد من الألعاب بما في ذلك زورق الأول - نناقش الآثار المترتبة على نتائجنا لتصميم وكلاء في المستقبل مع فهم دلالي أقوى.
يمكن أن تساعد ردود الفعل التصحيحية التلقائية التلقائي على تعلم اللغة من خلفيات مختلفة اكتساب لغة جديدة بشكل أفضل.تقدم هذه الورقة مجموعة بيانات متعلمة باللغة الإنجليزية التي يرافقها أخطاء المتعلمين معلومات حول مصادر الأخطاء المحتملة.تحتوي مجموعة البيا
نات هذه على خطأ مشروح يدويا أسباب أخطاء كتابة المتعلم.هذه تسبب ربط أخطاء المتعلم بالهياكل من لغاتهم الأولى، عندما تتباعد القواعد باللغة الإنجليزية وفي اللغة الأولى.ستمكن هذه البيانات البيانات الجديدة من استحواذ الباحثين الاستحواذين باللغة الثانية على تحليل كمية كبيرة من أخطاء المتعلمين المرتبطة بنقل اللغة من اللغة الأولى من المتعلمين.يمكن أيضا تطبيق DataSet أيضا في تخصيص أنظمة تصحيح الأخطاء النحوية وفقا للغة الأولى للمتعلمين وفي تقديم ملاحظات مستنيرة عن طريق الخطأ.
