TRATES：基于特质特定评分量表的跨提示作文评分方法
计算与语言
2025-06-03 v2
摘要
针对整体式自动作文评分（Automated Essay Scoring, AES）的研究由来已久；然而，根据个体特质评估作文的关注度显著不足。本工作提出 TRATES，一种新颖的特质特定且基于评分量表的跨提示 AES 框架，该框架通用但针对底层特质进行特定化。该框架利用大型语言模型（LLM），借助特质评分量规生成特质特定特征（由评估问题表示），然后根据这些特征评估作文。特质特定特征最终与通用写作质量和提示特定特征结合，用于训练一个简单的经典回归模型，以预测来自未见提示的作文的特质分数。实验表明，TRATES 在广泛使用的数据集上所有特质上均取得了新的最先进性能，生成的基于 LLM 的特征最为显著。
引用
@article{arxiv.2505.14577,
title = {TRATES: Trait-Specific Rubric-Assisted Cross-Prompt Essay Scoring},
author = {Sohaila Eltanbouly and Salam Albatarni and Tamer Elsayed},
journal= {arXiv preprint arXiv:2505.14577},
year = {2025}
}
备注
Accepted at ACL 2025 Findings