面向基于大语言模型的作文评分的 Pair2Score：从两两比较到绝对评分的迁移

许多评分应用需要绝对预测，而两两比较可以提供更简单的学习目标。我们提出 Pair2Score，一个两阶段的学习框架，用于将两两比较迁移到绝对评分，并实现参数高效的 LLaMA 适配。阶段 1 在从绝对特征标签派生的两两比较上训练方向性 Siamese 排序器；阶段 2 使用可配置的迁移策略（热启动和嵌入融合变体）训练绝对预测器。在五折协议下评估，该协议协同旋转保留的独立折和随机种子。在特征层面，最佳迁移变体对所有三个特征（语法、词汇、句法）在绝对-only 基线上提高了准确度加权 kappa (QWK)。然而，并非所有迁移配置都有帮助：单轮两两阶段的迁移比扩展的两两训练更可靠，迁移配置——而不仅仅是两两阶段的包含——决定了下游评分是否获益。