encoder architectures

新框架评估AI评分在不同条件下的可靠性

引入了一个新的条件泛化框架，用于评估自动化评分系统的可靠性，特别是在自动化作文评分等环境中。该框架将不同的编码器架构和评分头族视为测量条件的集合，超越了简单的聚合可靠性估计。通过比较分析预测和经验扫描，该框架诊断了实现的配置集合，并根据熵定义的响应层级来提供证据。在计时L2写作上的演示显示，该系统具有聚合可靠性（Phi约0.76），在不同熵层级上的可靠性保持较高但略有下降，表明决策研究要求不同。