构建程序性推理评估数据集：平衡自然性、 grounding 与多跳覆盖

评估人工智能支持学习系统中的程序性推理，需要既符合学习者特征又基于教学知识的问答数据集。本研究探讨了基于任务 - 方法 - 知识（TMK）模型的提问生成策略如何影响程序性及多跳推理数据集的质量。通过对比三种生成策略并引入基于封闭集证据单元的 grounding 验证框架，研究发现严格遵循 TMK 的生成方式在 grounding 和可用性上表现最佳。结果表明，程序丰富性与自然表达并不能保证表征 grounding，强调了在评估数据集中进行显式表征感知验证的重要性。