DGRC：面向中文多选阅读理解的有效 distractor 生成微调框架
计算与语言
2024-05-30 v1 人工智能
摘要
多选题是评估学习者知识水平时高效且广泛使用的格式，但生成此类题目尤其是生成合理的干扰项（incorrect options）仍具挑战性。干扰项生成通常可分为遮盖式干扰项生成（CDG）和自然问题干扰项生成（NQDG）。与 CDG 不同，使用预训练语言模型（PLMs）进行 NQDG面临三个主要挑战：（1）PLMs通常被训练以生成“正确”内容（如答案），而很少训练以生成“合理”内容（如干扰项）；（2）PLMs常常难以产生与特定知识和考试风格相匹配的内容；（3）NQDG需要模型生成更长的、具有上下文敏感性和与问题相关性的干扰项。本研究提出一种名为 DGRC 的微调框架，用于来自真实考试的中文多选阅读理解中的 NQDG。DGRC 包含三个主要组件：硬链式思考、多任务学习和生成掩码模式。实验结果表明，DGRC显著提升了生成性能，在 BLEU 分数上实现了超过 2.5 倍的提升。
引用
@article{arxiv.2405.19139,
title = {DGRC: An Effective Fine-tuning Framework for Distractor Generation in Chinese Multi-choice Reading Comprehension},
author = {Runfeng Lin and Dacheng Xu and Huijiang Wang and Zebiao Chen and Yating Wang and Shouqiang Liu},
journal= {arXiv preprint arXiv:2405.19139},
year = {2024}
}