通用大模型批改作文，常见问题不是写不出评语，而是打分口径与校内标准对不齐，教师无法直接采信。教育AI实验室近期围绕「评分维度对齐」做了一轮工程化尝试。
做法是把模糊的「好作文」拆成可执行的评分量规：每个维度给出分档描述与可观测线索，模型先引用原文证据句，再落维度分，最后生成评语。教师复核时看到的是「哪句话触发哪一档」，而不是一段无法追溯的总体评价。
在合作校提供的批改样本上做了小规模对照：当量规维度控制在四到六条、每条附证据要求时，维度分与教师评分的一致情况明显好于让模型直接给总分；同时约两成样本因维度间分歧或证据不足被自动推入人工复核队列，避免低置信度结果直接反馈给学生。
要点：
1）输出结构固定为「证据引用—维度分—评语」，教师复核从逐句重读转为按维度抽查；
2）下一步加入评分漂移监测与量规版本管理，跟踪同一量规在整个学期内的稳定性。
需要说明的是，模型承担的是初评与证据整理，最终分数仍由教师确认。
评论