面向特征约束难度控制的阅读理解题生成多智能体框架
计算与语言
2026-05-20 v1
摘要
阅读理解题的难度控制研究日益依赖大语言模型（LLM）通过调整难度相关特征来生成题目。然而，现有方法通常依赖单智能体提示方法，难以持续满足指定的特征约束，导致生成的题目偏离目标难度水平。为此，我们提出 MAFIG，即 Feature-constrained Item Generation 的多智能体框架，其中多个 LLM 智能体和特征专用评估器协作生成并迭代修订题目，以满足预期约束。此外，为验证 MAFIG 在难度控制方面的有效性，我们提出了构建一系列特征约束集合的方法，生成难度单调递增的题目。实验结果表明，MAFIG 在满足目标约束方面显著高于基线方法，实现了通过难度校准约束序列所实现的稳健难度控制。
引用
@article{arxiv.2605.19316,
title = {A Multi-Agent Framework for Feature-Constrained Difficulty Control in Reading Comprehension Item Generation},
author = {Seonjeong Hwang and Jun Seo and Hyounghun Kim and Gary Geunbae Lee},
journal= {arXiv preprint arXiv:2605.19316},
year = {2026}
}
备注
ACL 2026 Main Conference