研究人员开发了HiFTS，一个新颖的自回归框架，旨在通过整合反馈生成与分数预测来改进自动作文评分（AES）。这种统一的方法旨在提高分数-反馈一致性，并更好地与评分标准对齐。HiFTS从教师LLM中提炼出分层反馈，并训练学生模型联合生成反馈和分数，利用组相对策略优化（Group Relative Policy Optimization）实现平衡的奖励系统。该框架还引入了CFMS-34，一个用于多特征AES的新中文数据集，并在CFMS-34和ASAP++数据集上均表现出强劲的性能。 AI
影响 该框架可能带来更准确、更具可解释性的自动作文评分系统，对教育技术和评估工具产生潜在影响。
排序理由 该集群描述了一篇关于自动作文评分新颖框架的最新研究论文。[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 →
