ELLIS Alicante 在 CQs-Gen 2025 比赛中获胜：基于大语言模型的批判性思维问题生成与筛选
计算与语言
2025-06-18 v1 人机交互
摘要
大型语言模型（LLM）基于聊天界面广泛采用，引发关于促进表面学习和损害批判性思维能力发展的担忧。本文探索了如何通过生成挑战不充分或模糊论点的辩论干预中问题，从而激发大语言模型培养深层推理潜力的可能性。该研究是12届论证抽取工作坊（ACL 2025 联合会议）的共享任务的一部分，专注于自动批判性问题生成。我们提出了两步框架，涉及两个小规模开源语言模型：Questioner 生成多个备选问题，Judge 筛选最相关的问题。我们的系统在共享任务竞赛中名列第一，表明所提出的基于大语言模型的方法具有激发对论证文本进行批判性参与的潜力。
关键词
引用
@article{arxiv.2506.14371,
title = {ELLIS Alicante at CQs-Gen 2025: Winning the critical thinking questions shared task: LLM-based question generation and selection},
author = {Lucile Favero and Daniel Frases and Juan Antonio Pérez-Ortiz and Tanja Käser and Nuria Oliver},
journal= {arXiv preprint arXiv:2506.14371},
year = {2025}
}
备注
Proceedings of the 12th Workshop on Argument Mining