跳到正文
arXiv · NLP· Tasfia Seuti, Sagnik Ray Choudhury·· 12 小时前AI 评分21

S-GRADES:面向多样化评测场景的学生作答评估泛化研究

S-GRADES -- Studying Generalization of Student Response Assessments in Diverse Evaluative Settings

AI 导读

S-GRADES 是一个开源 Web 基准,整合了 14 个评分数据集,提供标准化访问和可复现的评估协议。 该基准用于测试三种最先进大语言模型在多种推理策略下的表现,并分析示例选择与跨数据集迁移的影响,旨在揭示不同评估范式间的可靠性与泛化差距。

来源:arXiv · NLP · arxiv.org