本技术涉及人工智能,更具体的说,是涉及一种试题生成方法、装置、设备及可读存储介质。
背景技术:
1、试题生成技术是一项将学科知识转化为真实问题的技术。试题生成技术在教育领域中有着广泛的应用。
2、目前的试题生成技术主要是基于已有试题进行改编,使之从形式上、考察功能上发生改变成为新题。首先,提前在海量的试题题库寻找科学性、可靠性高的试题作为改编参考试题,然后通过设置新的问题情境、不同题型之间转换、不同内容和不同素材重组以及转变考察目标等改编方式对改编参考试题进行改编,但是,整个过程需要人工(比如,有试题改编经验的教研、老师等)大量参与,时间及人力成本高,试题生成效率低下,而且,试题生成质量受到人工知识经验的影响较大。
3、因此,如何提供一种试题生成技术,以实现高效、高质量的试题生成,成为本领域技术人员亟待解决的技术问题。
技术实现思路
1、鉴于上述问题,本技术提出了一种试题生成方法、装置、设备及可读存储介质,以实现高效、高质量的试题生成。具体方案如下:
2、一种试题生成方法,所述方法包括:
3、获取试题生成请求,所述试题生成请求中包括用户采用自然语言信息输入的试题生成需求;
4、基于所述试题生成请求,调用试题生成模型,生成与所述试题生成请求匹配的试题,其中,所述试题生成模型为通过训练得到的具备试题生成能力的大语言模型。
5、可选地,所述试题生成请求中还包括参考试题信息和教学地域性配置信息两者中的至少一者,所述参考试题信息为所述用户输入的参考试题的自然语言信息或所述用户输入的参考试题的图片;所述教学地域性配置信息中包括多个配置对象,以及所述用户输入的各个所述配置对象的配置参数。
6、可选地,所述基于所述试题生成请求,调用试题生成模型,生成与所述试题生成请求匹配的试题,包括:
7、对所述试题生成请求进行解析,生成试题生成请求结构化信息,所述试题生成请求结构化信息为所述试题生成请求的规范化描述;
8、基于所述试题生成请求结构化信息,调用试题生成模型,生成与所述试题生成请求匹配的试题。
9、可选地,所述对所述试题生成请求进行解析,生成试题生成请求结构化信息,包括:
10、调用试题生成请求解析模型,对所述试题生成请求进行解析,生成试题生成请求结构化信息,所述试题生成请求解析模型为通过训练得到的具备试题生成请求解析能力的大语言模型。
11、可选地,所述调用试题生成请求解析模型,对所述试题生成请求进行解析,生成试题生成请求结构化信息,包括:
12、获取预配置的试题生成请求解析prompt格式模板,所述试题生成请求解析prompt格式模板中包括试题生成请求槽;
13、将所述试题生成请求填充至所述试题生成请求槽中,得到试题生成请求解析prompt;
14、将所述试题生成请求解析prompt输入所述试题生成请求解析模型,得到所述试题生成请求解析模型输出的试题生成请求结构化信息。
15、可选地,所述基于所述试题生成请求结构化信息,调用试题生成模型,生成与所述试题生成请求匹配的试题,包括:
16、从所述与所述试题生成请求结构化信息中,确定试题生成类型;
17、基于所述试题生成请求结构化信息,生成与所述试题生成类型匹配的prompt;
18、将所述与所述试题生成类型匹配的prompt输入所述试题生成模型,得到所述试题生成模型输出的试题。
19、可选地,所述基于所述试题生成请求结构化信息,生成与所述试题生成类型匹配的prompt,包括:
20、获取预配置的与所述试题生成类型匹配的试题生成prompt格式模板,所述试题生成prompt格式模板中包括试题生成请求结构化信息槽;
21、将所述试题生成请求结构化信息填充至所述试题生成prompt格式模板中的试题生成请求结构化信息槽中,得到所述与所述试题生成类型匹配的prompt。
22、可选地,所述试题生成类型包括试题检索、试题改编和试题新编中的任意一种。
23、可选地,所述试题生成模型的训练方式,包括:
24、获取预训练数据集,所述预训练数据集包括试题知识数据;
25、利用所述预训练数据集对大语言模型进行预训练,得到预训练后的大语言模型;
26、构建有监督微调数据集,所述有监督微调数据集中包括训练用试题生成并解答提示指令,试题标签、按照思维链方案构建的所述试题标签的解答过程标签以及所述试题标签的答案标签;
27、利用所述有监督微调数据集对所述预训练后的大语言模型进行监督微调,得到监督微调后的大语言模型;
28、基于所述监督微调后的大语言模型,确定所述试题生成模型。
29、可选地,所述基于所述监督微调后的大语言模型,确定所述试题生成模型,包括:
30、将所述监督微调后的大语言模型,确定为所述试题生成模型;
31、或者,
32、对所述监督微调后的大语言模型进行强化学习,得到强化学习后的大语言模型;
33、将所述强化学习后的大语言模型,确定为所述试题生成模型。
34、一种试题生成装置,所述装置包括:
35、获取单元,用于获取试题生成请求,所述试题生成请求中包括用户采用自然语言信息输入的试题生成需求;
36、生成单元,用于基于所述试题生成请求,调用试题生成模型,生成与所述试题生成请求匹配的试题,其中,所述试题生成模型为通过训练得到的具备试题生成能力的大语言模型。
37、可选地,所述试题生成请求中还包括参考试题信息和教学地域性配置信息两者中的至少一者,所述参考试题信息为所述用户输入的参考试题的自然语言信息或所述用户输入的参考试题的图片;所述教学地域性配置信息中包括多个配置对象,以及所述用户输入的各个所述配置对象的配置参数。
38、可选地,所述生成单元,包括:
39、解析单元,用于对所述试题生成请求进行解析,生成试题生成请求结构化信息,所述试题生成请求结构化信息为所述试题生成请求的规范化描述;
40、调用单元,用于基于所述试题生成请求结构化信息,调用试题生成模型,生成与所述试题生成请求匹配的试题。
41、可选地,所述解析单元,具体用于:
42、调用试题生成请求解析模型,对所述试题生成请求进行解析,生成试题生成请求结构化信息,所述试题生成请求解析模型为通过训练得到的具备试题生成请求解析能力的大语言模型。
43、可选地,所述解析单元,具体用于:
44、获取预配置的试题生成请求解析prompt格式模板,所述试题生成请求解析prompt格式模板中包括试题生成请求槽;
45、将所述试题生成请求填充至所述试题生成请求槽中,得到试题生成请求解析prompt;
46、将所述试题生成请求解析prompt输入所述试题生成请求解析模型,得到所述试题生成请求解析模型输出的试题生成请求结构化信息。
47、可选地,所述调用单元,包括:
48、试题生成类型确定单元,用于从所述与所述试题生成请求结构化信息中,确定试题生成类型;
49、prompt生成单元,用于基于所述试题生成请求结构化信息,生成与所述试题生成类型匹配的prompt;
50、试题生成模型输入单元,用于将所述与所述试题生成类型匹配的prompt输入所述试题生成模型,得到所述试题生成模型输出的试题。
51、可选地,所述prompt生成单元,具体用于:
52、获取预配置的与所述试题生成类型匹配的试题生成prompt格式模板,所述试题生成prompt格式模板中包括试题生成请求结构化信息槽;
53、将所述试题生成请求结构化信息填充至所述试题生成prompt格式模板中的试题生成请求结构化信息槽中,得到所述与所述试题生成类型匹配的prompt。
54、可选地,所述试题生成类型包括试题检索、试题改编和试题新编中的任意一种。
55、可选地,所述装置还包括:试题生成模型训练单元,所述试题生成模型训练单元,具体用于:
56、获取预训练数据集,所述预训练数据集包括试题知识数据;
57、利用所述预训练数据集对大语言模型进行预训练,得到预训练后的大语言模型;
58、构建有监督微调数据集,所述有监督微调数据集中包括训练用试题生成并解答提示指令,试题标签、按照思维链方案构建的所述试题标签的解答过程标签以及所述试题标签的答案标签;
59、利用所述有监督微调数据集对所述预训练后的大语言模型进行监督微调,得到监督微调后的大语言模型;
60、基于所述监督微调后的大语言模型,确定所述试题生成模型。
61、可选地,所述试题生成模型训练单元,具体用于:
62、将所述监督微调后的大语言模型,确定为所述试题生成模型;
63、或者,
64、对所述监督微调后的大语言模型进行强化学习,得到强化学习后的大语言模型;
65、将所述强化学习后的大语言模型,确定为所述试题生成模型。
66、一种试题生成设备,包括存储器和处理器;
67、所述存储器,用于存储程序;
68、所述处理器,用于执行所述程序,实现如上所述的试题生成方法的各个步骤。
69、一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上所述的试题生成方法的各个步骤。
70、借由上述技术方案,本技术公开了一种试题生成方法、装置、设备及可读存储介质,本方案中,预先对大语言模型的试题生成能力进行训练,得到试题生成模型,在获取用户采用自然语言信息输入的试题生成需求之后,通过调用试题生成模型,即可生成试题。本方案可达到用户一键输入试题生成需求自动生成试题的效果,大大降低了人工参与程度,显著提升了试题生成效率,另外,本方案基于具有超强的语言理解能力、生成能力、逻辑推理能力的大语言模型生成试题,因此,可生成高质量的试题。