覆盖非常规地带：用于答案评估的聚焦缺口问题生成
计算与语言
2023-07-10 v1
摘要
人类交流常涉及对话者之间的信息缺口。例如，在教学对话中，学生常给出不完整的答案，该答案与教师所期望的完美答案之间存在缺口。成功的对话取决于教师以有效方式询问此缺口，从而创造丰富且互动的教学体验。我们聚焦于自动生成此类聚焦缺口问题（GFQ）的问题。我们定义了该任务，强调了良好 GFQ 的关键期望方面，并提出了满足这些方面的模型。最后，我们通过人工标注者将我们生成的问题与人工生成的问题进行比较评估，展示了具有竞争力的表现。
引用
@article{arxiv.2307.03319,
title = {Covering Uncommon Ground: Gap-Focused Question Generation for Answer Assessment},
author = {Roni Rabin and Alexandre Djerbetian and Roee Engelberg and Lidan Hackmon and Gal Elidan and Reut Tsarfaty and Amir Globerson},
journal= {arXiv preprint arXiv:2307.03319},
year = {2023}
}