利用 In-Context Learning 与检索增强生成在教育领域实现自动题生成
计算与语言
2025-01-30 v1
摘要
题材生成在教育领域耗时且需要高度认知能力，因为需创建既具上下文相关性又符合教育学规范的问题。当前自动题生成方法常生成不具上下文相关性的问题。本文探讨教育语境下高级自动题生成技术，聚焦于 In-Context Learning (ICL)、检索增强生成 (RAG) 以及一种新型混合模型。我们使用 GPT-4 实现 ICL，采用 few-shot 示例；使用带检索模块的 BART 实现 RAG。混合模型结合 RAG 与 ICL 以解决上述问题并提升题质。评估通过自动度量标准进行，随后采用人类评估度量。结果表明，ICL 方法与混合模型均优于其他方法，包括基线模型，生成更具上下文准确性和相关性的问题。
引用
@article{arxiv.2501.17397,
title = {Leveraging In-Context Learning and Retrieval-Augmented Generation for Automatic Question Generation in Educational Domains},
author = {Subhankar Maity and Aniket Deroy and Sudeshna Sarkar},
journal= {arXiv preprint arXiv:2501.17397},
year = {2025}
}
备注
Accepted at the 16th Meeting of the Forum for Information Retrieval Evaluation as a Regular Paper