在教育AI实验室，我们把“主观题自动批改”拆成可验证的工程问题：先由教研老师将评分细则写成可执行锚点（分档描述、样例答案、扣分项），模型按内容、语言、结构等维度独立打分，再与教师双评结果做一致性比对。
阶段性进展：在合作校高二英语读后续写与语文简答题两个场景中，累计处理1860份作答。以教师双评均分为基准，模型与教师均分差≤0.5分的比例达到84.7%；维度内一致性加权Kappa为0.71。对分歧样本，系统不直接给分，而是推给教师复核，并回写锚点缺口。
下一步计划：1）加入学生修改轨迹，检验“评分—反馈—再作答”闭环是否带来可测的写作提升；2）建立锚点版本管理，防止提示词或样例调整造成分数漂移。
我们不追求“替代教师阅卷”，而是把批改中重复、可解释的部分标准化，让反馈更快到达学生，也让教师把精力放在真正需要判断的样本上。
评论