assessment

该论文提出了 AICG，一种具备 AI 感知能力、受认知监督的双分支框架，用于自动评阅数学简答题。该框架将基于 RoBERTa 的评分、Q 矩阵技能预测与生成式 AI 检测器相结合，对不可靠的作答进行加权处理。与 RoBERTa 回归模型相比，其平均绝对误差（MAE）降低了 50.3%，二次加权 Kappa（QWK）从 0.798 提升至 0.927。

CmdRound 是一个面向招聘经理的评估平台，让候选人使用 Claude Code 在 55 分钟内完成真实的工程任务，并生成基于规则的评分和调用回放，无需 LLM 评判。价格为 49 美元，可评估 10 名候选人，有效期为一年。

Carson Gross 在演讲中讨论了 AI 对大学计算机科学教育的影响，认为在 AI 时代仍需教学生写代码和读代码，同时指出 AI 带来了评估危机和教学变革的机会。

本文研究了LLM能否在大规模阅读和写作测试中准确预测题目难度等级，发现GPT-4.1准确率中等，但不如ConvBERT，且LLM倾向于低估困难题目的难度。