面向多维度作文评分的自回归分数生成方法

近年来，BERT 等仅编码器的预训练模型已成功应用于自动作文评分（AES），以预测单一的整体分数。然而，在多维度 AES 中探索这些模型的研究尚属空白，这可能是因为为每个维度复制基于 BERT 的模型效率低下。我们突破现有仅使用编码器的做法，提出了一种多维度分数的自回归预测方法（ArTS），通过利用预训练的 T5 模型引入解码过程。不同于以往的回归或分类方法，我们将 AES 重新定义为分数生成任务，使单一模型能够预测多个分数。在解码过程中，后续维度的预测可以通过以前面维度的分数为条件而受益。实验结果证明了 ArTS 的有效性，在提示和维度上均显示出超过 5% 的平均改进。