新的强化学习框架提升了大语言模型论文评分和反馈质量

研究人员开发了一个名为RLAES的新框架，该框架使用强化学习来同时改进自动论文评分和反馈生成。该系统包含了一个新颖的评估框架，即基于评分细则的反馈评估（Rubric-based Feedback Evaluation, RFE），它使用大语言模型作为裁判，根据细粒度的评分细则项目来评估反馈质量。为了优化训练过程，自适应门控反馈优化（Adaptive Gated Feedback Optimization, AGFO）选择性地应用这些评分细则奖励，而相邻对比推理（Adjacent Contrastive Reasoning, ACR）通过比较相邻分数级别来增强分数校准。在ASAP基准上的实验表明，RLAES-AGFO在基于大语言模型的方法中实现了最先进的评分性能，同时保持了与GPT-5.5相当的反馈质量。 AI

影响 这项研究可能为教育目的带来更复杂、更细致的自动反馈系统。

排序理由 学术论文，详细介绍了一种新的基于大语言模型的论文评分和反馈生成方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Adaptive Gated Feedback Optimization
• Adjacent Contrastive Reasoning
• ASAP benchmark
• GPT-5.5
• RLAES
• Rubric-based Feedback Evaluation

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →