标签
本文通过布鲁姆分类学评估了六个LLM，以判断其生成能激发高阶思维的教育问题的能力，并引入了一种提示策略，该策略使重复率降低了24.45%，高阶输出增加了11.53%。
VeriGeo提出了一种可控几何问题生成框架，利用验证引导的反思确保数值与分析一致性。该方法生成高质量合成数据，在GeoQA上取得最先进结果，并在PGPS9K和MathVista-GPS上表现强劲。
本文探讨了基于TMK的问题生成策略如何影响AI学习系统中程序性和多跳推理的数据集质量，比较了严格TMK生成、先转录后生成和TMK感知生成三种策略，并引入了一个基础性验证框架。
本文介绍了HieraRAG，这是一种用于确定RAG基准最优粒度的层次化框架。它生成了跨三个维度的5,872个合成问答对，并发现理想粒度因维度而异，为从业者提供了一种可移植的程序。
本文介绍了一种面向视觉语言模型的自我演进框架，使其在没有外部监督的情况下提升提问能力，不仅提高了问题质量，还增强了回答者的表现。
本文介绍了FETCH分类器，它使用大型语言模型集成来为自动化法律受理生成跟进问题，评估问题质量和成本权衡。研究发现，需要GPT-5等高成本模型才能提出有效的平实语言问题，并提出了评估此类问题的评分标准。
本文介绍了 slidesqaqa，这是一个基于 Flask 的软件系统，能从 PDF 幻灯片中生成富有教学价值的问题。该系统采用四阶段大语言模型流水线，依次进行文本和图像提取、全幻灯片范围内的问题规划、幻灯片标注以及输出整合，在技术讲座幻灯片上展示了高保真的问题生成能力。