DisGeM：基于跨度掩码的多选题干扰项生成
计算与语言
2024-09-30 v1 机器学习
摘要
自然语言处理（NLP）的最新进展已影响众多子领域，如自然语言生成、自然语言推理、问答等。然而，在问题生成领域，为多项选择题（MCQ）创建干扰项仍是一项具有挑战性的任务。在这项工作中，我们提出了一个简单、通用的干扰项生成框架，该框架利用现成的预训练语言模型（PLM）。与以往方法不同，我们的框架仅依赖预训练语言模型，无需在特定数据集上进行额外训练。基于先前研究，我们引入了一个两阶段框架，包括候选生成和候选选择。我们提出的干扰项生成框架在无需训练或微调的情况下优于以往方法。人工评估证实，我们的方法能生成更有效且更具吸引力的干扰项。相关代码库已公开于 https://github.com/obss/disgem。
引用
@article{arxiv.2409.18263,
title = {DisGeM: Distractor Generation for Multiple Choice Questions with Span Masking},
author = {Devrim Cavusoglu and Secil Sen and Ulas Sert},
journal= {arXiv preprint arXiv:2409.18263},
year = {2024}
}