两篇新的研究论文介绍了使用大语言模型(LLMs)进行自动短答案评分(ASAS)的新颖框架。第一篇论文RUSPAN将评分标准描述视为语义标签表示,并将问题上下文、学生答案和评分标准级别序列化为单个序列进行评分。它还引入了一个与评分标准无关的掩码(RIM),以提高跨不同评分标准集的零样本迁移能力。第二篇论文Alice提出了一个大规模德语基准,用于基于评分标准的ASAS,侧重于学习表现、知识要素和技能,并对各种语言模型进行了基准测试,指出LLMs在知识要素和技能的零样本评分方面存在困难。 AI
影响 这些进展可以提高自动评分系统的效率和准确性,有可能为教育工作者腾出时间来处理更复杂的任务。
排序理由 两篇发表在arXiv上的研究论文,介绍了自动短答案评分的新方法和基准。
- Alice
- Alice-LP
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Litmaps
- NLP for Education
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →