实体
ASAP++
ASAP++
PulseAugur coverage of ASAP++ — every cluster mentioning ASAP++ across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新框架整合论文评分与自适应反馈
研究人员开发了PsyScore，一个旨在通过整合评估与教学反馈来改进自动论文评分（AES）的新框架。与之前将这些组件分开处理的方法不同，PsyScore使用共享的潜在能力表示。它包含一个用于精确能力估计的Trait-Adaptive Neural IRT Scorer和一个根据学生熟练程度定制反馈的ZPD-Scaffolded Feedback Generator。在ASAP++数据集上的实验表明，PsyScore在评分方面表现具有竞…
-
研究发现：大型语言模型线性编码作文质量表征
研究人员调查了大型语言模型（LLMs）如何在内部表征作文质量，发现这些信息以一种线性可访问的形式编码在模型的表征中。这些信息在不同层级中逐步涌现，并且在不同的提示策略下保持稳健，甚至在不同的作文提示和评分标准之间部分转移。该研究还识别出与作文分数强相关的特定神经元，并且其行为对干预敏感，从而为理解基于LLM的自动作文评分系统的可解释性提供了新见解。
-
新框架评估大语言模型生成的论文反馈的教学质量
研究人员开发了FeedEval，一个旨在评估大语言模型（LLMs）为论文生成的反馈质量的新框架。该系统基于特异性、有用性和有效性等教学原则来评估反馈，并使用专门的大语言模型评估器。在ASAP++基准上的实验表明，FeedEval的评估与人类专家的判断非常接近，并且使用FeedEval过滤后的反馈可以提高论文评分模型的性能，并带来更有效的论文修改。