研究人员开发了一个名为AISA的新框架，该框架利用大语言模型（LLMs）来分析大规模评估中的附带内容相似性。这种双维度方法通过结构化分解和语义相关性来实现相似性操作，旨在解决BLEU和余弦相似性等传统指标在捕捉细微冗余方面的局限性。心理测量学验证表明，AISA的大语言模型衍生指标与非构建相关的局部依赖性更吻合，并改善了项目参数分组。该框架在计算机自适应测试（CAT）模拟中的应用表明，与传统方法相比，其估计稳定性得到增强，项目选择偏差减小。 AI
影响 这个由大语言模型驱动的框架可以提高大规模评估和自适应测试的创建质量和效率。
排序理由 该集群包含一篇详细介绍新框架及其验证的学术论文。[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 →
