distractor generation | BriefGPT

关键词distractor generation

搜索结果 - 8

ACL提高基于检索增强预训练和知识图谱集成的多项选择题干扰项生成
本文研究多项选择题中混淆项生成的任务，通过引入检索增强的预训练和知识图谱的集成，我们的模型在基准数据集上显著优于现有结果，最佳模型在多项选择题数据集的 F1@3 得分从 14.80 提升到 16.47，在 Sciq 数据集中从 15.92
PDF15 days ago
ACL通过大型语言模型蒸馏和对抗对比解码进行无监督分心生成
在阅读理解的背景下，我们提出了一种无监督的分心生成框架，利用大型语言模型作为经济高效的注释器来增强较小学生模型的分心生成能力。实验证明，我们提出的无监督生成方法大大超越了 GPT-3.5-turbo 的性能，而参数只有后者的 200 倍少。
PDFa month ago
基于 GPT 的无语言限制多阶段提示方法的新型多项选择题生成
我们引入了一种多阶段提示方法（MSP）用于生成多项选择题（MCQs），借助于文本戴文西 - 003 和 GPT-4 等 GPT 模型的能力，这些模型在各种自然语言处理任务中表现出色。我们的方法融合了连贯思维提示的创新概念，这是一种渐进式技术
PDF6 months ago
自动生成多项选择题
提出了使用深度学习方法和序列学习方法生成阅读理解中多项选择题的解题方法，包括问题生成和干扰项生成。通过多种自然语言处理技术的组合，这些方法可以在未见数据上表现良好。
PDFa year ago
COLING标准测试中的多项选择题自动生成干扰项
本文提出 EDGE 自动化分心器的生成方法通过门控层和注意力机制控制分心器的正确性和可信度，取得了显著优于现有模型的新的最先进水平。
PDF4 years ago
EMNLP基于 BERT 的干扰项生成方案，整合多任务和负反馈训练策略
本文介绍了一种新的干扰项生成方案，利用多任务和负答案训练策略，有效地生成多个干扰项，并证明该模型可以显著提高现有干扰项生成方法的质量，生成的干扰项多样化且对于多项选择题具有强大的干扰能力。
PDF4 years ago
AAAICo-Attention Hierarchical Network：为阅读理解生成连贯的长干扰文本
该论文提出了一种基于神经网络的方法来生成阅读理解中的干扰选项，采用了注意力机制和语义相似度损失来提高干扰选项的生成质量，实验结果表明，该方法的表现优于其他基线方法。
PDF5 years ago
AAAI从真实考试中生成阅读理解问题的干扰项
本文提出一种分层编码器 - 解码器框架，其中使用静态和动态注意力机制，以生成更长、语义丰富、更贴近真实阅读理解考试的干扰项，其表现优于多个强基线模型。
PDF6 years ago