在职业培训机构的高等数学简答题场景中，我们把「整体打分」改为「分项判定」：由教研将参考答案拆成若干评分点，每个评分点给出可判定的命中条件；模型对每个评分点单独输出命中／部分命中／未命中，并标出支撑该判定的原文片段，总分再由规则聚合。这样做的目的是绕开模型直接给总分时的漂移问题，让误差落在可解释、可复核的位置上。
- 进展：在 500 份历史答卷（含多解、跳步、单位缺失等情形）上，分项判定与两名教研双评一致的加权 Kappa 为 0.71，高于整体打分的 0.58；模型低置信样本占 17%，仅对这部分安排人工复核，教研复核工作量下降约六成。
- 下一步：把评分点与知识点标签绑定，让扣分项直接回流到学情画像与练习推荐，验证「批改—归因—再练」闭环能否降低同类错误的复现率。
仍要说明的是，多解法题目的评分点覆盖尚不完整，目前的处理方式是保留人工兜底，不追求全自动。
评论