研究人员开发了一种新颖的方法来增强自动化论文评分（AES）系统，特别是在标记数据有限的情况下。该方法集成了三种技术：使用低秩适配的两阶段微调策略、用于提高一致性的分数对齐方法以及利用未标记数据的具有不确定性感知的自训练。在ASAP++数据集上的实验表明，这些技术结合使用时，即使只有大约1000个标记样本，也能达到全数据训练模型91.2%的性能。特别是分数对齐技术在性能上显示出持续的改进，并且在应用于DualBERT模型时，在全数据设置下取得了最先进的结果。 AI
影响 这些技术可以显著提高AI驱动的教育评估工具的可扩展性和可访问性，尤其是在资源受限的环境中。
排序理由 该集群包含一篇详细介绍特定AI应用（自动化论文评分）新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
