DREsS: Dataset for Rubric-based Essay Scoring on EFL Writing
KAIST(韩国科学技术院)
本文发布包含 48.9K 样本的 DREsS 数据集及 CASE 增强策略,以支持 EFL 写作中基于评分量规的自动作文评分。
2025-06-11 cs.AI cs.CL
Automated essay scoring in Arabic: a dataset and analysis of a BERT-based system
本研究构建阿拉伯语AES基准数据集AR-AES,并首次将AraBERT用于评分,发现其错误多在1分以内,优于人工评分一致性,展示了AES辅助大规模评分的潜力。
2024-07-15 cs.AI cs.CL
A School Student Essay Corpus for Analyzing Interactions of Argumentative Structure and Quality
Leibniz University Hannover(汉诺威莱布尼茨大学);Paderborn University(帕德博恩大学)
本文构建含1,320篇德语学生作文、多粒度标注论证结构与质量的语料库,并提出论证挖掘和作文评分基线以分析任务交互。
2024-04-03 cs.CL
Automated assessment of non-native learner essays: Investigating the role of linguistic features
Iowa State University(爱荷华州立大学)
自动论文评分(AES)是指对给定提示的自由文本响应进行评分的过程,将人类评分者的分数视为黄金标准。写这样的文章是许多语言和能力测试的重要组成部分。因此,AES成为一个活跃和成熟的研究领域,今天有许多专有系统用于实际应用。然而,关于哪些特定的语言特征对预测有用以及这些特征在多大程度上在数据集之间是一致的,我们知之甚少。这篇文章通过使用两个公开的非母语英语作文数据集来探索各种语言特征在自动作文评分中的作用来解决这个问题。通过对特征集中学习者语言的词汇、句法、语篇和错误类型进行编码,对语言属性进行建模。然后使用这两个数据集上的这些特征开发预测模型,并比较最具预测性的特征。虽然结果表明,使用的特征集在两个数据集上都能产生良好的预测模型,但问题是“什么是最具预测性的特征?“对于每个数据集都有不同的答案。
2016-12-02 cs.CL
Essay-BR: a Brazilian Corpus of Essays
Federal University of Piauí(皮奥伊联邦大学);Federal Institute of Piauí(皮奥伊联邦学院)
自动作文评分(Automatic Essay Scoring,AES)是一种对作文进行评分的计算机技术,旨在提供计算模型,以自动或最少的人工参与对作文进行评分。虽然有几个AES的研究在各种语言,其中很少有集中在葡萄牙语。主要原因是缺乏一个语料库与人工评分的文章。为了弥合这一差距,我们创建了一个大型语料库,其中包含巴西高中生在在线平台上撰写的几篇文章。所有的文章都是辩论性的,并由专家在五个能力方面进行评分。此外,我们对创建的语料库进行了实验,并展示了葡萄牙语所带来的挑战。我们的语料库可在https://github.com/rafaelanchieta/essay上公开获取。
2021-05-19 cs.CL
Exploration of Summarization by Generative Language Models for Automated Scoring of Long Essays
Princeton University(普林斯顿大学);University of Maryland, College Park(马里兰大学学院市分校)
针对BERT类编码器模型受512token限制难以处理长文自动评分的问题,本研究结合摘要与提示技术应用生成式语言模型,在对应数据集上显著提升了评分准确率。
2025-11-19 cs.CL cs.LG
Enhancing Essay Cohesion Assessment: A Novel Item Response Theory Approach
CESAR School(CESAR学校);Federal Institute of Espírito Santo(埃斯皮里图圣昂托尼奥联邦理工学院);Computing Institute - Federal University of Alagoas(计算研究所-阿拉加斯联邦大学);University of Melbourne(墨尔本大学);AiBox Lab, Computing Department, Federal Rural University of Pernambuco(AiBox实验室,计算部门,佩纳布科斯联邦农村大学);Centre for Learning Analytics, Monash University(学习分析中心,莫纳什大学)
本研究提出基于项目反应理论的连贯性评分预测方法,以调整机器学习模型生成的分数,在扩展版Essay-BR等语料库上的实验表明该方法的评估指标优于传统机器学习和集成方法。
2025-07-11 cs.AI cs.CL
Review of feedback in Automated Essay Scoring
Kum Sung Middle School Number 2(金星第二中学);KIM IL SUNG University(金日成大学)
本文综述自动作文评分系统中的反馈研究,梳理反馈类型、作文特征及最新反馈型AES系统案例,强调反馈对写作学习的关键作用。
2023-07-09 cs.AI cs.CL cs.LG
Modifying AI, Enhancing Essays: How Active Engagement with Generative AI Boosts Writing Quality
Monash University(莫纳什大学);Peking University(北京大学)
基于1,445次GAI辅助写作会话并用X-Learner估计因果效应,研究发现修改GAI建议可提升文章质量,而原样接受会降低质量,纳入GAI文本还能缓解语言偏见。
2024-12-10 cs.AI cs.CL cs.HC
Empirical Comparison of Encoder-Based Language Models and Feature-Based Supervised Machine Learning Approaches to Automated Scoring of Long Essays
Southern Methodist University(南卫理公会大学);Princeton University(普林斯顿大学);University of Maryland, College Park(马里兰大学帕克分校);University of Iowa(爱荷华大学)
本研究比较了基于编码器的语言模型与基于特征的监督机器学习方法在长作文自动评分中的表现,发现嵌入集成模型在评分效果上优于单一语言模型。
2026-01-07 cs.CL cs.LG
Cost-efficient generative AI summarization for scalable automated essay scoring in educational assessment
Princeton University(普林斯顿大学)
研究针对自动作文评分受输入长度限制问题,提出用生成式人工智能辅助摘要框架,用GPT-5变体生成摘要作输入,结合手工语言特征形成混合框架,评估其在评分等方面表现,揭示相关权衡,为AES提供初步评估及基线等。
2026-07-20 cs.CL cs.LG
Can Large Language Models Differentiate Harmful from Argumentative Essays? Steps Toward Ethical Essay Scoring
Konkuk University(韩国康 kuk 大学)
本研究提出HED基准,揭示LLMs在识别有害文章方面的能力不足,并强调需开发更注重伦理因素的AES系统。
2026-01-09 cs.CL
Automated essay scoring using efficient transformer-based language models
Cambium Assessment, Inc.(坎比姆评估公司);University of Colorado, Boulder(科罗拉多大学博尔德分校)
自动作文评分(AES)是一项跨学科的工作,涉及教育,语言学和自然语言处理(NLP)。AES中NLP模型的有效性测试了它评估长期依赖性和推断含义的能力,即使文本写得很差。大型预训练的基于transformer的语言模型在许多NLP任务中占据了主导地位,然而,这些模型的计算要求使得它们在实践中部署起来非常昂贵。本文的目标是挑战NLP中的范式,即AES越大越好。为此,我们评估了几个微调的预训练NLP模型的性能,这些模型在AES数据集上具有适度数量的参数。通过集成我们的模型,我们比大多数基于transformer的预训练模型使用更少的参数获得了出色的结果。
2021-02-25 cs.CL cs.LG
TransGAT: Transformer-Based Graph Neural Networks for Multi-Dimensional Automated Essay Scoring
Department of Computer Science, King Abdulaziz University(计算机科学系,国王阿卜杜勒阿齐兹大学);English Language Institute, King Abdulaziz University(英语语言学院,国王阿卜杜勒阿齐兹大学)
针对现有自动作文评分方法语义捕捉不足、忽略多维度写作指标的问题,提出融合微调Transformer与图注意力网络的双流模型TransGAT,在ELLIPSE数据集上取得更优的多维度评分效果。
2025-09-01 cs.CL cs.LG
Improving Performance of Automated Essay Scoring by using back-translation essays and adjusted scores
Kum Sung Middle School Number 2(金城第二中学);KIM IL SUNG University(金日成大学)
作文自动评分在评价学生的语言能力方面起着重要的作用。传统的方法使用手工制作的功能来评分,耗时且复杂。最近,神经网络方法在没有任何特征工程的情况下提高了性能。与其他自然语言处理任务不同,只有少量数据集可公开用于自动作文评分,并且数据集的大小不够大。考虑到神经网络的性能与数据集的大小密切相关,数据的缺乏限制了自动作文评分模型的性能提高。在本文中,我们提出了一种方法,以增加数量的论文分数对使用回翻译和分数调整,并将其应用到自动学生评估奖数据集的增强。我们使用先前工作中的模型评估了增强数据的有效性。此外,在一个使用长短期记忆的模型中评估了表现,该模型广泛用于自动作文评分。通过使用增广数据对模型进行训练,提高了模型的性能。
2022-03-04 cs.CL
Qayyem: A Real-time Platform for Scoring Proficiency of Arabic Essays
Computer Science and Engineering Department, Qatar University(卡塔尔大学计算机科学与工程系)
本文提出Qayyem平台,提供阿拉伯语作文评分的集成工作流程,通过友好的界面简化评分服务器API的交互,部署了多种先进的阿拉伯语作文评分模型。
2026-05-19 cs.CL
Exploring Automated Essay Scoring for Nonnative English Speakers
自动作文评分(AES)已经相当流行,并被广泛使用。然而,由于缺乏合适的方法来评价非英语母语者的文章,这意味着在这一领域的不平衡的进展。在本文中,我们报告了我们的实验与非本地AES的初步结果,学习从手动评估的非本地论文。为此,我们进行了一个练习,在测试环境中的非英语母语的人写的文章进行了评价手动和自动化系统设计的实验。在这个过程中,我们尝试了一些功能,以了解与非母语评估相关的细微差别。所提出的自动论文评估方法与人工评估的相关系数为0.750。
2017-09-29 cs.CL
Automated Topical Component Extraction Using Neural Network Attention Scores from Source-based Essay Scoring
University of Pittsburgh(匹兹堡大学)
虽然自动论文评分(AES)可以可靠地对论文进行评分,但自动写作评估(AWE)还提供了形成性反馈来指导论文修改。然而,神经AES通常不提供用于支持AWE的有用特征表示。本文提出了一种连接AWE和神经AES的方法,通过使用注意力层的中间输出从源文本中提取表示证据的主题成分(TC)。我们使用基于特征的AES评估性能,需要TC。结果表明,无论是使用自动或手动构造的TC的性能是相当的1)代表论文为基于规则的功能,2)评分论文。
2020-08-04 cs.CL
Mitigating Bias in Automated Essay Scoring for ESL Learners via Contrastive Learning
Georgia Institute of Technology(佐治亚理工学院);Georgia State University(佐治亚州立大学)
本文提出通过对比学习方法缓解自动评分系统对ESL学习者偏见的问题,通过构建匹配文章对数据集并使用三元组边际损失,有效减少了高熟练度评分差距,保持了评分一致性。
2026-11-03 cs.CL
Many Hands Make Light Work: Using Essay Traits to Automatically Score Essays
IIT Patna(印度理工学院巴特那分校);IIT Bombay(印度理工学院孟买分校)
自动论文评分(AEG)领域的大多数研究都是面向整体评分的论文,同时也有一些工作对个人的论文特征进行评分。在本文中,我们描述了一种使用多任务学习(MTL)方法对文章进行整体评分的方法,其中对文章进行整体评分是主要任务,对文章特征进行评分是辅助任务。我们将我们的结果与使用LSTM和BiLSTM的单任务学习(STL)方法进行比较。我们还比较了我们的辅助任务与其他AEG系统中完成的任务的结果。为了找出哪些特质最适合不同类型的文章,我们对每种文章特质进行了消融测试。我们还报告了每个系统的运行时间和训练参数的数量。我们发现,基于MTL的BiLSTM系统给出了最好的结果,从整体上评分的文章,以及表现良好的评分的文章特质。
2021-02-01 cs.AI cs.CL
Phrase-Level Adversarial Training for Mitigating Bias in Neural Network-based Automatic Essay Scoring
Eötvös Lorand University(厄特沃什·罗兰大学);University of Groningen(格罗宁根大学)
本文提出一种与模型无关的短语级对抗作文生成与数据增强方法,以缓解AES模型对高频样本的偏见,并在多种神经网络评分模型上验证其稳健性与性能提升。
2024-09-07 cs.AI cs.CL cs.LG
Automatic Essay Scoring in a Brazilian Scenario
Faculdade de Ciências Médicas da Santa Casa de São Paulo(圣保罗圣卡萨医学院)
针对巴西ENEM葡萄牙语作文,提出基于深度学习的自动评分算法,以提升效率、公平性和一致性。
2023-12-29 cs.CL
Corruption Is Not All Bad: Incorporating Discourse Structure into Pre-training via Corruption for Essay Scoring
Tohoku University(东北大学);Riken Center for Advanced Intelligence Project(理化学研究所先进智能项目中心);Stony Brook University(石溪大学)
现有的自动论文评分和文档表示学习方法通常依赖于话语解析器将话语结构纳入文本表示中。然而,解析器的性能并不总是足够的,特别是当它们被用于嘈杂的文本,如学生论文。在本文中,我们提出了一种无监督的预训练方法来捕获文章的连贯性和衔接方面的话语结构,不需要任何话语解析器或注释。我们为我们提出的预训练方法引入了几种类型的令牌,句子和段落级腐败技术,并使用我们的预训练方法来增强掩蔽语言建模预训练,以利用上下文和话语信息。我们提出的无监督方法在论文组织评分任务上取得了新的最先进的结果。
2020-10-13 cs.CL
Rationale Behind Essay Scores: Enhancing S-LLM's Multi-Trait Essay Scoring with Rationale Generated by LLMs
Graduate School of Data Science, KAIST(韩国科学技术院数据科学研究生院);Department of Industrial & Systems Engineering, KAIST(韩国科学技术院工业与系统工程系)
本文提出RMTS方法,将LLM生成的特质级评分理由与S-LLM微调评分模型结合,在ASAP、ASAP++和Feedback Prize等基准上显著提升多特质论文评分的准确性与可解释性。
2025-02-05 cs.AI cs.CL
Activations as Features: Probing LLMs for Generalizable Essay Scoring Representations
本文通过分析LLMs中间层激活,探索其在跨提示作文评分中的判别能力,发现激活能有效适应不同评分标准,提升作文评分的通用性。
2025-12-22 cs.AI cs.CL
Exploring LLM Prompting Strategies for Joint Essay Scoring and Feedback Generation
Leibniz University Hannover(汉诺威莱布尼茨大学)
本文探讨了基于LLM的零样本和少样本作文反馈生成提示策略,发现联合处理作文打分与反馈生成可提升打分性能,但打分对反馈质量影响较低。
2024-04-24 cs.CL
An Automated System for Essay Scoring of Online Exams in Arabic based on Stemming Techniques and Levenshtein Edit Operations
AL-BALQA Applied University(巴尔卡应用大学)
在这篇文章中,提出了一个自动化系统,在阿拉伯语的作文评分在线考试的基础上,词干技术和Levenshtein编辑操作。已经开发了一个在线考试的拟议机制,利用轻和重词干的能力。实施的在线评分系统已被证明是一个有效的工具,自动评分的作文问题。
2016-11-08 cs.CL cs.IR
Trait-Aware Policy Optimization for Autoregressive Multi-Trait Essay Scoring
Peking University(北京大学);Baidu Inc.(百度公司)
提出特质感知策略优化(TAPO)框架,通过分解样本和特质维度的奖励并结合增强提示,提升自回归多维度作文评分性能。
2026-09-07 cs.CL
Language models and Automated Essay Scoring
在本文中,我们提出了一个新的比较研究自动作文评分(AES)。在这项工作中使用了当前最先进的自然语言处理(NLP)神经网络架构,以在公开可用的Kaggle AES数据集上实现高于人类水平的准确性。我们比较了两个强大的语言模型,BERT和XLNet,并描述了这些模型中的所有层和网络架构。我们使用清晰的符号和图表阐明了BERT和XLNet的网络架构,并解释了Transformer架构相对于传统递归神经网络架构的优势。线性代数符号用于阐明Transformers和注意力机制的功能。我们将结果与更传统的方法进行了比较,例如词袋(BOW)和长短期记忆(LSTM)网络。
2019-09-18 cs.CL cs.LG stat.ML
ICLE++: Modeling Fine-Grained Traits for Holistic Essay Scoring
该研究推出标注了整体与特征分数的ICLE++语料库,可测试ASAP训练的AES模型泛化性,助力新型AES问题模型评估,为AES研究提供关键语料库。
2026-07-31 cs.CL
Beyond Agreement: Diagnosing the Rationale Alignment of Automated Essay Scoring Methods based on Linguistically-informed Counterfactuals
Beijing Normal University(北京师范大学);Tencent AI Lab(腾讯 AI 实验室)
针对自动作文评分方法决策机制不透明的问题,提出借助大语言模型反事实干预的诊断方法,发现类BERT模型侧重句级特征,大语言模型与评分标准的理由对齐更全面,可提升神经评分方法的可解释性并推广至其他领域。
2024-10-08 cs.CL
Empirical Study of Large Language Models as Automated Essay Scoring Tools in English Composition__Taking TOEFL Independent Writing Task for Example
East China Normal University(华东师范大学);Microsoft Research Asia(微软亚洲研究院)
本研究基于TOEFL官方评分标准构建提示,评估ChatGPT在小样本英语作文自动评分中的能力与局限,发现其虽具可操作性但存在回归效应,且提示设计需深厚专业知识。
2024-01-07 cs.CL
Data Augmentation for Automated Essay Scoring using Transformer Models
BITS Pilani(比尔拉科学技术学院)
作文自动评分是自然语言处理中的一个重要问题。这个问题已经探索了很多年,仍然部分得到解决。除了经济和教育用途外,它还提出了研究问题。迁移学习已被证明是有益的NLP。数据增强技术也帮助建立了最先进的自动作文评分模型。过去的许多作品都试图通过使用RNN,LSTM等来解决这个问题。这项工作研究了Transformer模型,如BERT,RoBERTa等。我们经验性地证明了Transformer模型和数据增强的有效性,用于使用单个模型在许多主题中进行自动论文评分。
2023-02-06 cs.AI cs.CL
Enhancing Arabic Automated Essay Scoring with Synthetic Data and Error Injection
MBZUAI;New York University Abu Dhabi(纽约大学阿布扎克分校)
针对阿拉伯语标注作文稀缺问题,本文用LLM生成跨CEFR水平的合成作文并比较两种错误注入方法,构建3,040篇数据集,训练基于BERT的评分系统,验证其性能提升。
2025-06-10 cs.CL
Is GPT-4 Alone Sufficient for Automated Essay Scoring?: A Comparative Judgment Approach Based on Rater Cognition
KNUE(韩国国立教育大学);Hoseo University(湖西大学)
针对 LLM 零样本作文评分不足且难以逐任务微调的问题,提出结合 LLM 与比较判断的零样本成对选择方法,并证明其优于传统评分标准法。
2024-07-08 cs.CL cs.CY
Automatic Essay Multi-dimensional Scoring with Fine-tuning and Multiple Regression
University of Tübingen(蒂宾根大学);Stuttgart University(斯图加特大学)
针对现有AES系统仅输出单一总分的局限,本文提出两个基于微调与多元回归的多维评分模型,在两个大型数据集上对英语作文进行多维度评分,在精确率、F1和二次加权Kappa上表现优异且总分超越现有方法。
2024-06-03 cs.AI cs.CL
Operationalizing Automated Essay Scoring: A Human-Aware Approach
Brigthlands Institute for a Smart Society(智能社会研究院)
本文比较了机器学习与大型语言模型在自动化作文评分中的表现,发现ML模型准确性高但可解释性差,LLMs解释丰富但准确性较低,两者在偏差和边缘分数鲁棒性上均有不足。
2025-10-17 cs.CL cs.CY cs.LG
Prompt- and Trait Relation-aware Cross-prompt Essay Trait Scoring
POSTECH(浦项科技大学)
本文提出一种提示与特质关系感知的跨提示论文特质评分模型,利用论文-提示注意力和主题一致性特征,并设计特质相似性损失,在跨提示场景下实现多特质评分,取得最先进结果。
2023-05-26 cs.AI cs.CL
On the Use of BERT for Automated Essay Scoring: Joint Learning of Multi-Scale Essay Representation
LAIX Inc.(流利说公司);Shanghai Key Laboratory of Artificial Intelligence in Learning and Cognitive Science(上海学习与认知科学人工智能重点实验室)
近年来,预训练模型在大多数自然语言处理(NLP)任务中占据主导地位。然而,在自动论文评分(AES)领域,像BERT这样的预训练模型还没有被正确地用于超越其他深度学习模型,如LSTM。在本文中,我们介绍了一种新的多尺度论文表示BERT,可以共同学习。我们还采用了多个损失和迁移学习从域外论文,以进一步提高性能。实验结果表明,该方法在ASAP任务中获得了几乎所有深度学习模型中最先进的结果。我们的多尺度论文表示也很好地推广到CommonLit Readability Prize数据集,这表明本文提出的新颖文本表示可能是长文本任务的一个新的有效选择。
2022-05-21 cs.AI cs.CL
Automated essay scoring with string kernels and word embeddings
University of Bucharest(布加勒斯特大学)
在这项工作中,我们提出了一种方法的基础上结合字符串内核和词嵌入自动作文评分。字符串内核基于计算公共字符n-gram来捕获字符串之间的相似性,这是一种低级但强大的特征类型,在各种文本分类任务中展示了最先进的结果,例如阿拉伯方言识别或母语识别。据我们所知,我们是第一个应用字符串内核自动评分的文章。我们也是第一个将它们与高级语义特征表示相结合的人,即超词包嵌入。我们报告了自动学生评估奖数据集的最佳性能,无论是在域内还是跨域设置中,都超过了最近最先进的深度学习方法。
2018-07-06 cs.CL
Using Active Learning Methods to Strategically Select Essays for Automated Scoring
University of Alberta(阿尔伯塔大学);Amirkabir University of Technology(阿米尔卡比尔理工大学)
本文评估了三种主动学习方法(不确定性、拓扑和混合)在自动作文评分中策略性选择待人工评分作文的效果,结果表明三者均高效,其中拓扑方法分类效率最高。
2023-04-13 cs.CL
Towards Prompt Generalization: Grammar-aware Cross-Prompt Automated Essay Scoring
Graduate School of Artificial Intelligence, POSTECH(浦项科技大学人工智能研究生院);Department of Computer Science and Engineering, POSTECH(浦项科技大学计算机科学与工程系)
针对自动作文评分中现有方法在跨提示场景下泛化能力不足的问题,提出语法感知的跨提示特质评分(GAPS),通过整合语法纠错信息学习通用作文表示,在跨提示场景中实现显著的QWK增益及泛化能力提升。
2025-02-12 cs.AI cs.CL
Long Context Automated Essay Scoring with Language Models
Cambium Assessment Inc.(Cambium评估公司)
针对Transformer语言模型因长度限制截断文本而影响自动作文评分效度的问题,本研究使用Kaggle ASAP 2.0数据集评估了XLNet、Longformer、ModernBERT、Mamba和Llama等改进架构的微调模型,以克服长度限制并提升评分能力。
2025-09-12 cs.CL
Investigating first-language bias in LLM-based automated essay scoring: A cross-prompt evaluation of an open-weight AI-model on TOEFL essays
研究基于大语言模型的自动作文评分中母语偏见,用LoRA适配的开放权重模型Gemma-3-27B-it,在托福作文语料库测试其跨提示泛化和母语评分效果,发现有评分偏移,实现了较高等级一致性,是首次此类大规模L1公平性分析。
2026-07-17 cs.CL cs.CY
LCES: Zero-shot Automated Essay Scoring via Pairwise Comparisons Using Large Language Models
Deloitte Analytics R&D(德勤分析研究与开发)
本文提出LCES方法,将零样本自动作文评分转化为成对比较任务,并利用RankNet将LLM偏好高效转换为连续分数,在多个基准上以更低成本取得优于传统零样本方法的准确性和鲁棒性。
2025-09-21 cs.AI cs.CL
Learning to Grade Efficiently: A Bandit-Driven Prompt-Selection Framework for Low-Cost LLM Essay Scoring
Carleton University(卡尔顿大学)
本研究针对自动作文评分的固定提示选择策略成本高的问题,提出多臂老虎机驱动的自适应提示选择框架,在保证准确率的同时减少78.4%的LLM调用,生成成本-可靠性学习曲线,为教育技术平台提供平衡成本与有效性的方案。
2026-08-26 cs.AI cs.CL cs.LG
TRATES: Trait-Specific Rubric-Assisted Cross-Prompt Essay Scoring
Computer Science and Engineering Department, Qatar University(计算机科学与工程系,卡塔尔大学)
TRATES提出一种基于评分量规和LLM生成特质专用特征的跨提示作文评分框架,结合通用与提示专用特征训练回归模型,在广泛数据集上所有特质均取得最先进性能。
2025-05-31 cs.CL
Automated Essay Scoring based on Two-Stage Learning
Fopure (Hangzhou) Technology Co., Ltd.(福珀(杭州)科技有限公司);University of Science and Technology of China(中国科学技术大学)
目前最先进的特征工程和端到端的自动论文评分(AES)方法被证明无法检测对抗性样本,例如由排列的句子组成的论文和不相关的论文。针对这一问题,我们提出了一个两阶段学习框架(TSLF),它结合了功能工程和端到端AES模型的优点。在实验中,我们将TSLF与一些强基线进行了比较,结果证明了我们的模型的有效性和鲁棒性。TSLF在八分之五的提示上超过了所有基线,并在没有负样本的情况下实现了最先进的平均性能。在向原始数据集添加一些对抗性文章后,TSLF在很大程度上优于功能工程和端到端基线,并表现出很强的鲁棒性。
2019-12-20 cs.CL
Error-Supervised Synthetic Learner Writing for Automated Essay Scoring
University of Greenwich(格林威治大学);FPT University(FPT大学)
本研究提出一种错误监督的合成作文生成方法,通过微调LLM生成器于错误标注文本,在较大数据下优于常规合成基线,并产生类似学习者的错误分布。
2026-09-22 cs.CL
Improve LLM-based Automatic Essay Scoring with Linguistic Features
针对自动作文评分中不同提示处理的挑战,本文结合有监督特征法和LLM法,将语言特征融入LLM评分,提出的混合方法在域内和域外提示上均优于基线模型。
2025-02-13 cs.AI cs.CL
Rank-Then-Score: Enhancing Large Language Models for Automated Essay Scoring
Peking University(北京大学);Beijing Normal University(北京师范大学)
本文提出Rank-Then-Score微调框架,通过先排序生成候选分数集再评分的方式增强大语言模型的自动作文评分能力,在HSK和ASAP数据集上均优于直接提示方法。
2025-04-08 cs.AI cs.CL
Automated Refinement of Essay Scoring Rubrics for Language Models via Reflect-and-Revise
The University of Tokyo(东京大学)
本研究针对大型语言模型在自动化作文评分中对提示敏感的问题,提出一种通过反思模型自身评分理由及与人类评分差异来迭代优化评分量规的方法,实验证明其能显著提升评分一致性,即使使用简单初始量规也能达到与人类撰写量规相当的效果。
2025-10-10 cs.CL
Unleashing Large Language Models' Proficiency in Zero-shot Essay Scoring
National Key Laboratory for Multimedia Information Processing, Peking University(北京大学多媒体信息处理国家重点实验室);School of Computer Science, Peking University(北京大学计算机学院);School of Software and Microelectronics, Peking University(北京大学软件与微电子学院)
本文提出零样本提示框架MTS,将写作能力分解为多个特质并逐轮评分后综合得出总分,在TOEFL11和ASAP上显著提升大语言模型的作文评分性能,并使小模型Llama2-13b-chat超越ChatGPT。
2024-10-03 cs.CL
Agreement Between Large Language Models and Human Raters in Essay Scoring: A Research Synthesis
Department of Educational Policy Studies, Georgia State University(乔治亚州立大学教育政策研究系)
通过综合65项研究,发现大型语言模型与人类评分者在论文评分中的一致性高度依赖上下文,且跨研究及研究内部差异显著。
2026-05-25 cs.CL