★ 3
MisconceptDialogue：评分标准决定 LLM 数学辅导成功率测量结果
论文发布 MisconceptDialogue 全自动框架，让五个 7B-14B 开源模型辅导 LLM 模拟学生，完成 5000 多轮对话。同一批对话中，精确匹配评分给出 42.1% 的补救成功率，而人工校准的 LLM 评审给出 81.3%，相差 39.2 个百分点；且告知真实误解与故意替换的误解…
arXiv NLP7 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文发布 MisconceptDialogue 全自动框架，让五个 7B-14B 开源模型辅导 LLM 模拟学生，完成 5000 多轮对话。同一批对话中，精确匹配评分给出 42.1% 的补救成功率，而人工校准的 LLM 评审给出 81.3%，相差 39.2 个百分点；且告知真实误解与故意替换的误解…