FEANEL：用于 K-12 英语写作细粒度错误分析的基准
计算与语言
2025-12-01 v1
摘要
大语言模型 (LLM) 已深刻改变人工智能领域，为教育应用提供了广阔机遇。然而，其为 K-12 英语写作提供细粒度教育反馈的能力仍未得到充分探索。本文通过引入细粒度错误分析问题，挑战 LLM 的错误分析和教学能力，提出面向英语学习者的细粒度错误分析 (FEANEL) 基准。该基准包含 1000 篇由小学和中学学生撰写的作文，以及精心构建的英语写作错误分类体系。每项错误均由语言教育专家标注，并按类型、严重程度和解释性反馈进行分类，采用他们共同制定的词性基础分类体系。我们对当前主流 LLM 在 FEANEL 基准上进行评估，以探索其错误分析和教学能力。实验结果揭示了当前 LLM 在细粒度错误分析方面存在显著差距，凸显了针对教育应用发展特定方法的必要性。
引用
@article{arxiv.2511.22883,
title = {FEANEL: A Benchmark for Fine-Grained Error Analysis in K-12 English Writing},
author = {Jingheng Ye and Shen Wang and Jiaqi Chen and Hebin Wang and Deqing Zou and Yanyu Zhu and Jiwei Tang and Hai-Tao Zheng and Ruitong Liu and Haoyang Li and Yanfeng Wang and Qingsong Wen},
journal= {arXiv preprint arXiv:2511.22883},
year = {2025}
}
备注
19 pages, 7 figures, and 4 tables. The dataset is available at https://huggingface.co/datasets/Feanel/FEANEL