生成式 AI 时代的自动文本评分：为 GPU 资源有限者所用

当前关于生成式语言模型（GLMs）用于自动文本评分（ATS）的研究几乎完全依赖于通过应用程序编程接口（APIs）查询专有模型。然而，这种做法涉及透明性和安全性问题，且在效率和可定制性方面几乎没有提供优势。随着小型开源模型的普及，现在可以使用配置有限的消费级硬件（即“GPU 贫困者”）的计算机来探索GLMs。在本研究中，我们分析了开源小规模GLMs用于ATS的性能和效率。结果表明，GLMs可以微调以实现足够的性能，尽管并非最先进的水平。除了ATS，我们对模型生成反馈的能力进行了初步探索，通过提示GLMs解释其评分。模型生成的反馈显示出前景，但需要更严格的评估，聚焦于特定的用例。