主观题AI批改实验：评分一致性与反馈生成

主观题批改是教育智能化中需求明确、但落地难度较高的场景。本实验室近期围绕简答题与论述题的自动评分开展小规模实验，重点验证大模型评分与人工评分的一致性，以及生成式讲评反馈的可用性。实验采用合作机构的语文、物理两科共约1200份学生作答，先由两名教师独立评分，再由模型在评分细则约束下打分。阶段性结果如下：
• 在评分细则明确、答案要素可枚举的题目上，模型与教师评分完全一致率约82%，分差在1分（满分10分）以内的比例超过95%；
• 开放性论述题一致性明显下降，分歧主要集中在立意深度与表达逻辑的权重把握上。
下一步计划：一是引入评分细则结构化模板，将模糊表述转化为可核对要点，以提升开放题一致性；二是测试教师复核工作流，由模型输出评分理由与依据，教师抽检确认，形成"AI初评+人工复核"的落地路径。我们保持克制判断：该方案短期内定位于减轻教师重复批改负担，而非替代评分，正式应用前仍需更大规模、多学科样本的持续验证。