在职业培训与基础教育场景中，主观题（简答、案例分析、论述）的批改是教师负担最重、也最难保持一致性的环节。本次实验的目标不是替代教师打分，而是先让模型学会按教师认可的维度给出可复核的分数与依据。
做法上分两步。第一步是评分量规拆解：与教研组一起把一道题的评分标准拆为知识要点覆盖、逻辑结构、表述规范三类维度，每维度设 0 至 3 级，模型按维度分别输出分数并引用作答中的对应句，避免单一总分掩盖分歧点。第二步是教师校准闭环：每周抽取模型与教师分歧最大的样本回标，先判断是量规本身表述有歧义，还是模型误判，量规修订后跑回归集验证，防止改一处坏一片。
- 进展：在某职业培训课程的 600 份案例分析作答上，模型维度分与两位教师均值的平均偏差为 0.4 分（满分 10 分）；知识要点覆盖维度一致性最好，开放性论述维度仍保留教师终审。
- 下一步：把量规拆解流程沉淀为可复用模板，由教研组自行维护评分维度与示例句，模型只负责执行与提示分歧。
阶段性结论是：主观题批改的可用性更多取决于量规是否可解释，而不是模型规模。让模型暴露判断依据，教师才愿意把初筛交给它。
评论