本研究探讨了大语言模型生成问题的质量，提出了一种自动化评估方法，关注问题长度、类型、上下文覆盖和可回答性等维度，揭示了大语言模型生成问题的独特特征，为相关研究和应用提供了新视角。

该研究探讨了基于参考文献的评估指标在问题生成中的局限性，提出了一种新方法，利用大型语言模型评估问题的自然性、可回答性和复杂性。实验证明，该方法能够有效区分高质量与低质量问题，并与人类判断一致。研究建议将自由度量作为分析工具，而非评估模型表现的指标。