Automatic Question & Answer Generation Using Generative Large Language Model (LLM)

文章《Automatic Question & Answer Generation Using Generative Large Language Model (LLM)》总结与翻译

一、文章主要内容总结

该研究聚焦教育领域学生评估中文本类学术评估的痛点，旨在通过自动问答生成（AQAG）技术简化教师出题流程，同时满足学习者自测、企业招聘评估等多场景需求。

1. 研究背景与问题

• 教育领域痛点：教师需手动从大量教学材料中设计多样化、公平的主观与客观题目，耗时耗力且难以保证题目多样性；学习者常因教师反馈不及时，无法高效自测薄弱环节。
• 企业场景需求：招聘时难以通过无偏评估筛选候选人，过度依赖简历信息，无法精准考察岗位所需技能。

2. 研究方法与技术路径

• 基础模型与数据：以Meta的Llama 2-7B大语言模型为基础，采用RACE数据集（含10,000篇阅读理解材料、40,000道题目）进行微调，数据集源自中国初高中英语测试题，经预处理（处理缩写、缺失值、划分题型）后保留33,840行有效训练数据。
• 核心技术手段：
  • 提