★ 2
arXiv 论文比较自动评分在人工评估中的采样与估计增益
论文比较自动评分在人工评估中的三种用途——引导采样、校正估计与自适应获取——的增量价值，在三个偏好数据集与 19 个 AttributedQA 系统上做匹配比较。结果显示按分数分层后固定局部线性校正仅再降 1.00–5.27% MSE，不等分配在某些池中增益更大但可能放大误差。作者建议采用「分数分…
arXiv NLP3 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文比较自动评分在人工评估中的三种用途——引导采样、校正估计与自适应获取——的增量价值，在三个偏好数据集与 19 个 AttributedQA 系统上做匹配比较。结果显示按分数分层后固定局部线性校正仅再降 1.00–5.27% MSE，不等分配在某些池中增益更大但可能放大误差。作者建议采用「分数分…
研究者提出 TeachGrade，一种利用教师评分示例的免训练简答题评分框架，通过 Skill 和 CaseBank 两个冻结记忆模块提升评分一致性。在 3829 份 SAS-Bench 答案上，宏观协作一致性分数从 67.99 提升至 81.32，宏观 QWK 达 84.71，在 8 项任务上领…