AICG：面向数学简答题的AI感知认知监督评分框架

AICG用技能级认知监督与AI辅助权重改进数学简答题自动评分。

资讯摘要

论文提出AICG，一个双分支多任务框架，用于自动数学简答题评分。第一分支用RoBERTa回归、序数回归与分类头对单份答案评分；第二分支借助专家设计的Q矩阵关联作答与技能，联合预测G-DINA技能掌握度与学习增益，并通过共享编码器为评分提供认知监督。框架还引入Gen-AI检测器估计AI辅助概率并转为可靠性权重。作者在49,402份教师评分作答上报告，MAE较RoBERTa回归降低50.3%，QWK从0.798升至0.927。

要点速读

1. 论文提出AICG双分支多任务框架，用Q矩阵引导的技能掌握度与学习增益为答案评分提供认知监督。
2. 引入经监督对比预训练加线性分类训练的Gen-AI检测器，将AI辅助概率转为可靠性权重。
3. 作者在49,402份、跨19个学期的教师评分作答上报告MAE降低50.3%，QWK由0.798升至0.927；消融显示Q矩阵认知监督是主要增益来源。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。