超越微调：利用上下文学习与思维链进行推理式干扰项生成

干扰项生成是一项依赖专家的高成本任务，要求选项既合理又能通过隐含推理误导考生。现有方法虽能生成语义相关选项，却常忽略专家选择干扰项背后的推理过程。本文探索利用大语言模型的推理能力，结合无监督语义检索的上下文学习框架，共同生成干扰项及其推理依据。在六个基准测试上的实验表明，该方法显著优于近期模型，在生成符合人类标注标准的推理式干扰项方面达到了最先进水平。