Soziale Medienplattformen sind von entscheidender Bedeutung für die Äußerung von Meinungen und das Verstehen der öffentlichen Stimmung, doch viele analytische Werkzeuge ignorieren passive Nutzer, die hauptsächlich Inhalte konsumieren, ohne aktiv zu interagieren. Um dieses Problem anzugehen, stellen wir UniPoll vor, ein fortschrittliches Framework, das darauf ausgelegt ist, um automatisch Umfragen aus sozialen Medienbeiträgen unter Verwendung komplexer Techniken zur natürlichsprachlichen Generierung (Natural Language Generation, NLG) zu erstellen. Im Gegensatz zu traditionellen Methoden, die mit dem informellen und kontextabhängigen Charakter sozialer Medien kämpfen, nutzt UniPoll erweiterte Kontexte aus Nutzerkommentaren und setzt Multi-Objektiv-Optimierung ein, um die Relevanz und den Engagement der Umfragen zu erhöhen. Um das inhärent rauschige Wesen sozialer Mediendaten zu bewältigen, integriert UniPoll Retrieval-Augmented Generation (RAG) und synthetische Datengenerierung, was eine robuste Leistung in verschiedenen realen Szenarien gewährleistet. Das Framework übertrifft bestehende Modelle wie T5, ChatGLM3 und GPT-3.5 bei der Erstellung kohärenter und kontextuell angemessener Frage-Antwort-Paare. Anhand des chinesischen WeiboPolls-Datensatzes und des neu eingeführten englischen RedditPolls-Datensatzes zeigt UniPoll überlegene fachübergreifende und plattformübergreifende Fähigkeiten. Dadurch wird es zu einem mächtigen Werkzeug zur Steigerung des Nutzerengagements und zur Schaffung einer inklusiveren Interaktionsumgebung.