基于强化学习的自回归多特征论文评分：引入评分感知多奖励

自动化作文评分（AES）的最新进展正逐渐转向对多个特征进行评估，以提供更丰富的反馈。类似于典型的AES系统，多特征AES系统采用二次加权kappa值（QWK）来衡量与人类评分员的一致性，这与评分方案密切相关；然而，其非可微性质阻碍了其直接用于神经网络训练。在本文中，我们提出了一种称为Scoring-aware Multi-reward Reinforcement Learning（评分感知多奖励强化学习，简称SaMRL）的方法，通过设计基于QWK的奖励函数并加入均方误差惩罚项，用于多特征AES系统。现有AES领域的强化学习应用仅限于分类模型，尽管存在性能下降问题，因为强化学习需要概率分布；相反，我们采用自回归评分生成框架，利用token生成概率进行稳健的多特征评分预测。实证分析表明，SaMRL有助于模型训练，显著提升了对此前劣势题目的评分能力。