摘要
本文探讨了现有干扰项生成（Distractor Generation, DG）方法存在的以下两个局限性。首先，现有DG方法的质量仍远未达到实际应用的标准，仍有提升空间。其次，现有的DG设计主要针对单个干扰项的生成，然而在实际多项选择题（Multiple Choice Questions, MCQ）准备中，需要生成多个干扰项。为了实现这些目标，本文提出了一种新的多任务和负向答案训练策略的干扰项生成方案，以有效生成多个干扰项。实验结果表明，（1）我们的模型将最先进结果的BLEU-1分数从28.65提高到了39.81；（2）生成的多个干扰项具有多样性，并且对多项选择题具有强大的干扰能力。