Loading...
机构名称:
¥ 5.0

在教育领域,学生评估与传授知识具有同等的意义。要进行评估,学生通常需要仔细研究基于文本的学术评估方法。教师需要提出各种各样的问题,这些问题需要公平,让所有学生证明他们对特定主题的适当性。这可能会非常具有挑战性,因为它们可能需要手动浏览几种不同的演讲材料。我们的目标是通过使用微调生成的LLM实现自动质疑答案(AQAG)来使整个过程变得更加容易。用于量身定制讲师的首选问题样式(MCQ,conteptual或事实问题),正在使用及时工程(PE)。在这项研究中,我们建议在NLP中利用无监督的学习方法,主要关注英语。这种方法赋予基本元路2-7B模型,将种族数据集集成为微调过程的培训数据。创建一个定制模型,该模型将为从事基于文本评估的教育者,指导者和个人提供有效的解决方案。可靠,有效的工具来产生问答,可以释放宝贵的时间和资源,从而简化其评估过程。

使用生成大语言模型(LLM)自动问答生成

使用生成大语言模型(LLM)自动问答生成PDF文件第1页

使用生成大语言模型(LLM)自动问答生成PDF文件第2页

使用生成大语言模型(LLM)自动问答生成PDF文件第3页

使用生成大语言模型(LLM)自动问答生成PDF文件第4页

使用生成大语言模型(LLM)自动问答生成PDF文件第5页

相关文件推荐

2024 年
¥1.0