在教育培训场景里，主观题批改是教师负担最重、也最难标准化的一环。本期实验不做"整题打分"，而是先做可解释的评分维度拆解：把一道简答题的参考答案人工拆成若干评分点（结论、依据、表述），每个评分点对应独立的判定提示与证据片段定位，模型只输出各评分点的命中情况与扣分理由，再由规则汇总为分数。这样教师看到的不是一个黑箱总分，而是"错在哪一点、依据哪一句"。
要点一（进展）：在初中物理、高中历史两门学科共 1,200 份已完成教师双评的答卷上，评分点命中判定与教师均分在 ±1 分容差内的一致率约 82%；其中"结论类"评分点稳定高于"表述类"，后者受同义改写影响明显。
要点二（下一步）：上线教师校准面板，允许教师对单条评分点做修正，修正样本沉淀为该学科的评分点示例库，用于下一轮提示词与阈值调优；同时把评分点命中分布回流到学情诊断，输出班级共性失分点，供备课使用。
当前仍以"教师终审、模型建议"为默认形态，暂不追求无人值守。
评论