面向阿拉伯语长上下文问答生成的全自动自演化，对抗性工作流程（A-SEA3L-QA）
计算与语言
2025-09-04 v1 人工智能
摘要
我们提出一种用于阿拉伯语长上下文问答生成的端到端、自演化对抗性工作流程。通过编排多个专门的大语言模型视觉模型（LVLMs）：问题生成器、评估器以及众多答案生成器，该系统能够在无需人工干预的情况下持续迭代自身性能。从原始的、跨越多页的阿拉伯语文档开始（涵盖多种领域），问题生成器生成细粒度、上下文感知的查询，供答案生成器群体求解，评估器随后评估并反馈质量指标。这一闭环循环实现了持续学习：低置信度输出会触发自动重生成和模型更新，逐步提升问题的难度和相关性。此外，我们将质量指标设为可调超参数，实现问生成的可控且可定制的难度水平。我们发布了AraLongBench——一个大规模阿拉伯语基准数据集，包含单页和多页挑战，页数目跨百页。我们展示了自演化工作流程在提升领先阿拉伯语大语言模型视觉模型（LVLMs）长程理解能力方面的显著优势。最后，我们还精心设计了面向阿拉伯语长文档收集的全自动代理工作流程。
引用
@article{arxiv.2509.02864,
title = {A-SEA3L-QA: A Fully Automated Self-Evolving, Adversarial Workflow for Arabic Long-Context Question-Answer Generation},
author = {Kesen Wang and Daulet Toibazar and Pedro J. Moreno},
journal= {arXiv preprint arXiv:2509.02864},
year = {2025}
}