BengaliMCQ：以低资源语言自动生成学术多项选择题并预测答案

传统的检索增强生成 (RAG) 框架在处理文档时不考虑其层次结构，导致性能不佳，尤其是在孟加拉语等资源匮乏的语言中。为了解决这个问题，我们提出了一个结构感知的 RAG 框架，将孟加拉语教科书建模为分层图，并使用对比训练的图神经网络来检索一小组相关段落。这些段落为 大语言模型 提供了重点上下文，支持特定主题的多项选择题 (MCQ) 生成和域内答案预测。实验结果表明，我们的框架在检索指标方面优于强密集检索基线，生成更相关的 MCQ，并实现了卓越的答案预测准确性。