标签
本文介绍了 EDU-CIRCUIT-HW 数据集，用于评估多模态大语言模型在真实大学级 STEM 手写解答上的表现，揭示了显著的识别局限性，并提出了一种结合自动化识别与极少人工监督的混合方法，以增强评分的鲁棒性。