English(EN) REC-CBM: Rubric-Aware Error-Correction Concept Bottleneck Models for Trustworthy Open-Ended Grading

新型AI模型提升教育领域可信的开放式评分

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-28 04:00

研究人员开发了REC-CBM，这是一种新颖的概念瓶颈模型，专为教育领域的可信开放式评分而设计。该模型通过明确纳入评分条维度和评分尺度的序数性质，解决了现有系统的局限性。REC-CBM还包括一个用于纠正潜在概念误差的模块，增强了教育工作者的可解释性和可靠性。 AI

影响这项研究为教育评分提供了一个更透明、更具可解释性的AI解决方案，有望提高教育工作者对自动化系统的信任度和采纳率。

排序理由这是一篇详细介绍特定应用新模型的学术论文。[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 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Chengshuai Zhao, Fan Zhang, Kumar Satvik Chaudhary, Yiwen Li, Lo Pang-Yun Ting, Ying-Chih Chen, Huan Liu · 2026-05-28 04:00

REC-CBM：用于可信开放式评分的规则感知误差校正概念瓶颈模型

arXiv:2605.27402v1 Announce Type: cross Abstract: Open-ended grading is central to equitable and personalized education, yet manual grading remains time-consuming and costly, underscoring the need for automated grading systems. Although recent neural and large language model (LLM…