FEAT：基于成本有效自动生成与标注框架的偏好反馈数据集，用于英语 AI 辅导
人工智能
2025-08-15 v2
摘要
在英语教育辅导中，老师反馈对指导学生至关重要。最近涌现出基于 AI 的辅导系统以帮助老师，但这些系统需要高质量且大规模的老师反馈数据，手动生成既耗时又昂贵。本研究提出了 FEAT，一个成本有效的反馈生成框架，并构建了三个互补数据集：(1) DIRECT-Manual (DM)，人类与大语言模型 (LLM) 协作生成高质量老师反馈，成本较高；(2) DIRECT-Generated (DG)，仅由 LLM 生成的、成本效益高的数据集，质量较低；(3) DIRECT-Augmented (DA)，主要基于 DG，少量 DM 添加以提升质量，同时保持成本效益。实验结果显示，将少量 DM (5-10%) 纳入 DG 可实现优于仅使用 100% DM 的更好性能。
引用
@article{arxiv.2506.19325,
title = {FEAT: A Preference Feedback Dataset through a Cost-Effective Auto-Generation and Labeling Framework for English AI Tutoring},
author = {Hyein Seo and Taewook Hwang and Yohan Lee and sangkeun Jung},
journal= {arXiv preprint arXiv:2506.19325},
year = {2025}
}
备注
ACL 2025 (Short)