基于大语言模型的自动组卷方法技术

本发明专利技术实施例公开了一种基于大语言模型的自动组卷方法

【技术实现步骤摘要】
基于大语言模型的自动组卷方法、电子设备及存储介质


[0001]本专利技术实施例涉及自动组卷
，尤其涉及一种基于大语言模型的自动组卷方法
、
电子设备及存储介质
。

技术介绍

[0002]考试作为一种考查参试者所掌握的知识和技能的方式，往往离不开考题，各行各业的人才选拔往往通过不同领域的考题来实现
。
现有技术中，出题组卷工作通常由人工完成，耗时耗力
。
[0003]专利
CN115688380A
提供了一种基于目标课程题库的试卷生成优化方法及系统，专利
CN115688380A
提供了一种基于目标课程题库的试卷生成优化方法及系统，但两种方法均需要依赖预先构建的的题库
。
随着全民学习型社会的来临，新的考核内容和个性化考试需求越来越多，在用户不具备题库的情况下，如何针对不同需求快速生成试卷，是亟待解决的问题
。

技术实现思路

[0004]本专利技术实施例提供一种基于大语言模型的自动组卷方法
、
电子设备及存储介质，无需用户提供样本考题，即可针对个性化的考核内容和考试需求快速生成试卷
。
[0005]第一方面，本专利技术实施例提供了一种基于大语言模型的自动组卷方法，包括：
[0006]响应于自动组卷功能的触发操作，展示关于试卷基本信息和各默认题型的第一提示语设置入口，以引导用户设置试卷的整体考纲；将所述整体考纲输入大语言模型，由大语言模型自动生成各考题；
[0007]将各考题分题型展示，并展示针对各题型和各考题的第二提示语设置入口，以引导用户设置对各题型和
/
或各考题的调整要求；同时展示针对各考题的人工编辑入口，用于对各考题进行人工修改；
[0008]响应于各第二提示语设置入口的触发操作，将对各题型和
/
或各考题的调整要求输入大语言模型，由大语言模型重新生成各新考题；响应于各人工编辑入口的触发操作，将各考题替换为人工修改的各新考题；
[0009]将最终的各考题组成试卷，并根据考题信息和试卷信息优化大语言模型的组卷方向
。
[0010]第二方面，本专利技术实施例提供了一种电子设备，所述电子设备包括：
[0011]一个或多个处理器；
[0012]存储器，用于存储一个或多个程序，
[0013]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现任一实施例所述的基于大语言模型的自动组卷方法
。
[0014]第三方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一实施例所述的基于大语言模型的自动组卷方法
。
[0015]本专利技术实施例本实施例提供一种基于大语言模型的自动组卷方法，利用深度学习
、
自然语言处理等技术学习并理解题目的特征和要求，从而根据特定的考核内容和出题要求自动生成符合要求的试卷，无需用户预先构建题库
。
首先，向用户展示基础配置界面，引导用户针对考试基本信息上传考核内容文件并通过第一提示语入口设置考试大纲，针对题型配置题型基本参数（数量
、
分值）并通过另一种第一提示语入口设置考题格式，共同构成试卷的整体考纲提供至
LLM
，由
LLM
生成最初的各考题
。
然后，向用户展示试题配置界面，通过针对各题型和各题目的第二提示语入口引导用户对具体的题型或题目设置调整要求，指示
LLM
重新生成考题，或通过针对各题目的人工编辑入口引导客户对具体题目进行人工修改，以满足用户的个性化需求
。
与现有技术中对不符合要求的题目反复盲目修改相比，本实施例利用
LLM
超强的语言理解和处理能力，通过两级提示的方式，在组卷的不同阶段针对不同对象设置不同的提示语入口，分别引导用户输入精准的试卷要求
、
题型要求及题目要求，便于
LLM
准确理解题目特征，快速生成符合要求的试卷；并根据考题信息和试卷信息优化
LLM
的组卷方向，提高整个方法对用户需求的适应能力
。
附图说明
[0016]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0017]图1是本专利技术实施例提供的一种基于大语言模型的自动组卷方法的流程图；
[0018]图2是本专利技术实施例提供的基础配置界面的示意图；
[0019]图3是本专利技术实施例提供的针对试卷基本信息的提示语设置的示意图；
[0020]图4是本专利技术实施例提供的针对题型的提示语设置的示意图；
[0021]图5是本专利技术实施例提供的试题配置界面的示意图；
[0022]图6是本专利技术实施例提供的针对题型的另一提示语设置的示意图；
[0023]图7是本专利技术实施例提供的后处理模块的结构结构示意图；
[0024]图8为本专利技术实施例提供的一种电子设备的结构示意图
。
具体实施方式
[0025]为使本专利技术的目的
、
技术方案和优点更加清楚，下面将对本专利技术的技术方案进行清楚
、
完整的描述
。
显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本专利技术所保护的范围
。
[0026]在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位
、
以特定的方位构造和操作，因此不能理解为对本专利技术的限制
。
此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性
。
[0027]在本专利技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“安装”、
[0039][0040]步骤四
、
输出解码
。
将模型计算得到的输出向量进行解码，得到最终的输出文字
output_encoding。
示例性的，解码可以使用一个输出层将输出向量映射为一个词汇表中的词或字符，然后将这些词或字符组合成一段文字输出，如表4所示
。
[0041]表4[0042][0043]步骤五
、...

【技术保护点】

【技术特征摘要】
1.
一种基于大语言模型的自动组卷方法，其特征在于，包括：响应于自动组卷功能的触发操作，展示关于试卷基本信息和各默认题型的第一提示语设置入口，以引导用户设置试卷的整体考纲；将所述整体考纲输入大语言模型，由大语言模型自动生成各考题；将各考题分题型展示，并展示针对各题型和各考题的第二提示语设置入口，以引导用户设置对各题型和
/
或各考题的调整要求；同时展示针对各考题的人工编辑入口，用于对各考题进行人工修改；响应于各第二提示语设置入口的触发操作，将对各题型和
/
或各考题的调整要求输入大语言模型，由大语言模型重新生成各新考题；响应于各人工编辑入口的触发操作，将各考题替换为人工修改的各新考题；将最终的各考题组成试卷，并根据考题信息和试卷信息优化大语言模型的组卷方向
。2.
根据权利要求1所述的方法，其特征在于，所述响应于自动组卷功能的触发操作，展示关于试卷基本信息和题型设置的第一提示语设置入口，以引导用户设置试卷的整体考纲，包括：响应于自动组卷功能的触发操作，获取考核内容文件，并展示关于试卷基本信息的第一提示语设置入口，以及关于各默认题型的第一提示语设置入口；响应于所述关于试卷基本信息的第一提示语入口的触发操作，自动关联所述考核内容文件并展示可编辑的考试大纲，所述考试大纲包括：考试目的
、
默认题型划分
、
各题型的测试目的
、
考试难度
、
覆盖领域
、
参考答案要求，以及所述考核内容文件的信息；响应于对所述默认题型划分的人工修改操作，将关于各默认题型的第一提示语设置入口替换为关于各新题型的第一提示语设置入口；响应于关于各题型的第一提示语设置入口的触发操作，展示各题型可编辑的考题格式，所述考题格式包括：题干
、
正确答案
、
考题难度
、
考题解析
。3.
根据权利要求2所述的方法，其特征在于，所述将所述整体考纲输入大语言模型，由大语言模型自动生成各考题，包括：由所述考核内容文件
、
最终的考试大纲，以及各题型的数量
、
分值和最终的考题格式，共同构成试卷的整体考纲输入大语言模型，由大语言模型根据所述考核内容文件，自动生成符合整体考纲的各考题
。4.
根据权利要求1所述的方法，其特征在于，所述响应于各第二提示语设置入口的触发操作，将对各题型和
/
或各考题的调整要求输入大语言模型，由大语言模型自动生成各新考题，包括：响应于任一题型和
/
或考题的第二提示语设置入口的触发操作，展示所述题型和
/
或考题可编辑的考题格式和调整要求；将所述考核内容文件
、
考题格式和调整要求共同输入大语言模型，由大语言模型自动生成新考题；其中，所述考题可编辑的考题格式默认展示所述考题所属题型的最新考题格式，所述调整要求包括：知识点
、
测试目的和侧重方向的至少之一
。5.
根据权利要求1所述的方法，其特征在于，所述根据考题信息和试卷信息优化大语言模型的组卷方向，包括：提取针对考题单独修改的每一对新考题和旧考题；
根据每一对新考题和旧考题之间的差异类型和差异程度，分别构建针对大语言模型和
/
或针对大语言模型的后处理模块的样本库并进行模型和
/
或模块训练，使大语言模型和
/
或所述后处理模块的输出不断逼近各新考题；训练完毕后，将所述大语言模型和
/
或后处理模块运用到下一次自动组卷中，其中，所述后处理...

【专利技术属性】
技术研发人员：赵隽隽，潘斌，赵剑飞，欧阳禄萍，范喆一，
申请(专利权)人：知学云北京科技股份有限公司，
类型：发明
国别省市：