EssayCBM：基于规则对齐概念瓶颈模型的透明化论文评分Research#llm🔬 Research|分析: 2025年12月25日 10:22•发布: 2025年12月25日 05:00•1分で読める•ArXiv NLP分析本文介绍了一种名为EssayCBM的自动论文评分新方法，该方法优先考虑可解释性。通过使用概念瓶颈，该系统将评分过程分解为评估特定的写作概念，使评估过程对于教育工作者和学生来说更加透明和易于理解。教师调整概念预测并实时查看最终成绩变化的能力是一个显著的优势，实现了人机协作评估。EssayCBM在提供可操作的反馈的同时，还能达到黑盒模型的性能，这为其应用提供了令人信服的理由。这项研究解决了人工智能驱动的教育工具中对透明度的迫切需求。要点•EssayCBM为自动论文评分提供了一种更透明的方法。•该系统使用概念瓶颈来评估特定的写作概念。•教师可以调整概念预测以进行人机协作评估。引用 / 来源查看原文"Instructors can adjust concept predictions and instantly view the updated grade, enabling accountable human-in-the-loop evaluation."AArXiv NLP2025年12月25日 05:00* 根据版权法第32条进行合法引用。较旧Semantic Deception: Reasoning Models Fail at Simple Addition with Novel Symbols较新MediEval: A Unified Medical Benchmark for Patient-Contextual and Knowledge-Grounded Reasoning in LLMs相关分析Research人类AI检测2026年1月4日 05:47Research侧重于实现的深度学习书籍2026年1月4日 05:49Research个性化 Gemini2026年1月4日 05:49来源: ArXiv NLP