Oct, 2023
基于 Prompt-Engineering 和 Transformer 的问题生成和评估
Prompt-Engineering and Transformer-based Question Generation and Evaluation
Rubaba Amyeen
TL;DR该研究旨在通过变压器模型和提示工程找到从文本数据中生成问题的最佳方法。通过对 SQuAD 问答数据集上的预训练 distilBERT 模型的微调以生成问题,并应用 LLaMA 模型以有效地生成问题,将生成的问题与 SQuAD 数据集中的基准问题进行比较,评估了四种不同提示的有效性,其中有 30% 的提示生成的问题获得了大于 70% 的高相似度分数。