标签
本文提出为LLM学习评估技能，以自动化评分任务的评分标准构建，达到与专家编写的评分标准相当的性能，且无需人工编写的示例。
本研究分析了评分标准（rubrics）的修改（例如从整体性标准转变为分析性标准）如何影响人类评分者与 AI 自动评分者之间的一致性。研究结果表明，提供示例和减少偏见有助于提高一致性，而更高的复杂性往往会降低一致性。
# 基于文本与音频分类器的学生异常言语响应检测 来源：[https://arxiv.org/html/2604.16717](https://arxiv.org/html/2604.16717) \(论文将于2026年4月10日在国家教育测量委员会会议上发表\) ###### 摘要 本文旨在填补自动言语响应评分（AVRS）使用中的一项关键安全空白。我们提出了一种新颖的混合框架，用于识别存在心理困扰的学生，该框架结合了文本分类器与音频分类器；其中文本分类器经过训练以根据内容检测响