语义桥接：通过AMR驱动图合成的通用多跳问句生成
计算与语言
2025-08-15 v1
摘要
大型语言模型（LLM）训练面临一个关键瓶颈：高质量、推理密集型问答对的稀缺，尤其是来自稀疏、特定领域来源（如PubMed论文或法律文件）的问答对。现有方法依赖表面模式，根本无法生成可控、复杂的多跳推理问题，这些问题对于测试真实理解能力至关重要，亦是推进LLM训练范式所必需的。我们提出Semantic Bridge，首个实现从任意来源可控生成高级多跳推理问题的通用框架。我们的突破性创新是语义图编织（semantic graph weaving）——三种互补的桥接机制（用于角色变化共享实体的实体桥接、用于时间/因果/逻辑序列的谓词链桥接、用于显式推理链的因果桥接）——系统构建跨文档的复杂路径，通过AMR驱动分析实现对复杂性和类型的细粒度控制。我们的多模态AMR管道实现最高可达9.5%的轮换质量提升，实现生产就绪的可控问答生成。广泛的评估显示该方法在通用数据集（Wikipedia）和专业领域（生物医学）上均表现出佳绩。它在四种语言（英语、中文、法语、德语）上持续实现18.3%-25.4%的基线提升。来自200个来源生成的问句对超过600个人工标注示例，材料使用量减少67%。人类评估显示复杂性提高23.4%，可解答性提升18.7%，模式覆盖率提高31.2%。Semantic Bridge确立了LLM训练数据合成的新范式，实现从稀疏来源生成针对性推理问题的可控生成。我们将发布核心代码和语义桥接模型。
引用
@article{arxiv.2508.10013,
title = {Semantic Bridge: Universal Multi-Hop Question Generation via AMR-Driven Graph Synthesis},
author = {Linqing Chen and Hanmeng Zhong and Wentao Wu and Weilei Wang},
journal= {arXiv preprint arXiv:2508.10013},
year = {2025}
}