IELTS
PulseAugur coverage of IELTS — every cluster mentioning IELTS across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
AI quote alteration in IELTS feedback varies significantly by model and essay quality
Recent audits of AI feedback on IELTS essays reveal a wide range in quote fidelity, from 37.7% exact matches to over 95% retention of student wording. Factors like model used (GLM-4.7, Llama-3.1:8b, etc.), quote length, and even essay strength appear to influence how accurately AI quotes are preserved. This suggests a complex interplay that warrants further investigation into which specific AI models and configurations are most reliable for academic feedback.
IELTS test takers may unknowingly rely on AI-altered quotes in feedback
Given that AI models alter student quotes in feedback with varying frequency (1.18% to 7.7% of quotes), and that these alterations are not always obvious (e.g., unmarked changes, bolding), there's a risk that IELTS test takers might misinterpret feedback. They could be basing their understanding of their writing on subtly changed quotations, potentially hindering their learning and score improvement.
Future IELTS AI feedback tools will prioritize quote fidelity and transparency
The recurring finding of AI models altering student quotes in IELTS essay feedback, coupled with the audit revealing filter flaws, suggests that developers will need to address this issue directly. Future iterations of AI feedback tools for IELTS are likely to incorporate stricter controls and clearer indicators of any quote modifications to ensure accurate and trustworthy feedback for students.
-
AI 反馈审计揭示过滤器缺陷，“更具体”反馈更忠实
对 AI 评估学生论文反馈的审计显示，一个旨在识别建议重写内容的过滤器无意中删除了相当一部分真实引用。当调整过滤器以更好地适应 SpecEval 数据集后，它发现了三倍多的引用段落。这项修订后的分析表明，AI 反馈被评为“更具体”的也更忠实于学生的原话，尽管并非完美，约有 3.2% 的引用改变了学生的文本。
-
研究发现：AI模型会篡改学生引用的原文
Munim, Inc.旗下的MV2进行的一项研究调查了AI模型在其反馈中是否会准确引用学生文本。研究涵盖了包括Llama-3.1:8b、Mistral-7B、Mistral-24B、Qwen2.5-70B、Gemini 2 Flash和LearnLM在内的六款不同的大型语言模型，发现在AI生成的反馈中，约有1.18%的引用内容篡改了学生的原话。较短的引用比较长的引用更容易被篡改，研究表明模型大小并非引文准确性的可靠指标，其中一款指令调…
-
研究发现 AI 论文反馈更常修改短引用
对使用 GLM-4.7 模型进行的雅思论文 AI 反馈分析显示，与长引用相比，短引用的措辞更有可能被 AI 修改。与最初的预测相反，与较弱的论文相比，较强的论文从 AI 处获得了更多的修改引用。研究表明，用户应优先审查 AI 反馈中的短引用，因为它们更容易发生变化，而长引用往往更忠实于原文。
-
GLM-4.7 AI 模型引文在 95.7% 的雅思作文反馈中保留了学生的原话
对 GLM-4.7 AI 模型在雅思作文反馈中的一项审计显示，在考虑格式和标点符号差异后，其引用的段落中有 95.7% 保留了学生的原话。这些差异的很大一部分，近一半，是由于引文开头或结尾的标点符号或引号造成的。约有 4.3% 的引文更改了学生的原话，其中三分之一的更改被加粗标记，其余 2.8% 是未标记的更改。
-
AI 雅思作文反馈引用忠实度低
对 8,946 份 AI 生成的雅思作文反馈报告的审计显示，只有 37.7% 的引用学生文本是完全一致的字符匹配。虽然 92.3% 的引用保留了学生的原话，仅有细微的标点或空格差异，但 7.7% 的引用至少更改了一个词。研究发现，对较差作文的反馈更有可能是精确的，并且模型的内部推理文本比其最终输出更忠实。计划进行一项后续研究，以精确衡量引用在多大程度上会悄无声息地改变学生的原意。
-
英国文化协会在全国技术性取消后恢复中国雅思考试
英国文化协会将于周三在中国恢复雅思考试，此前因技术问题已在全国范围内取消了四天。这些中断发生在学生申请海外大学的关键时期。该组织计划提供两次免费补考，并报销受影响考生的交通和住宿费用。
-
开发者使用 Node.js 和 Gemini 构建了 AI 雅思口语考官
一位开发者使用 Node.js、NestJS 和 Gemini 创建了一个名为 SmoothMock 的 AI 驱动的雅思口语考官。该系统旨在模拟真实的雅思口语考试，让 AI 考官听取应答并生成后续问题，而不是依赖一套固定的预录问题。选择回合制架构而非实时语音 API，主要是为了成本效益和更好地控制面试结构，确保其符合考试的特定部分和时间要求。
-
LLM论文评分框架使用老虎机方法将成本降低78%
研究人员开发了一种新的高效大型语言模型（LLM）论文评分框架，利用多臂老虎机（MAB）方法自适应地选择最佳提示策略。该方法显著减少了所需的LLM调用次数，在评分准确性上可与穷举方法相媲美，同时将成本降低了78%以上。该研究还引入了成本-可靠性学习曲线，为教育技术平台在运营成本和评估有效性之间取得平衡提供了宝贵的见解。
-
新的 IntelliJ IDEA 插件助力 AI 编码过程中的词汇学习
一款名为 AI Vocabula 的新 IntelliJ IDEA 插件已被开发出来，旨在帮助用户在与 AI 编码助手互动时学习词汇。该插件会自动显示来自选定词汇列表（如大学英语四六级、托福或雅思）的英语单词，每个单词显示五秒钟。当 AI 响应时会出现此学习窗口，并在 AI 回复完成后自动消失，旨在有效利用 AI 辅助编码过程中的等待时间。
-
大型语言模型在自动化作文评分方面表现不一
两篇新研究论文探讨了大型语言模型（LLMs）在自动化作文评分（AES）方面的有效性。第一篇论文综合了 65 项研究，发现 LLM 与人类在作文评分上的一致性高度依赖于上下文，并且差异显著。第二篇论文研究了在学习者语料库上进行领域自适应预训练（DAPT）以用于 AES，表明虽然有针对性的 DAPT 可以提高领域内评分，但并不能持续增强跨数据集的可迁移性。