小模型本地部署评分在课程报告中准确率最高达97%。
资讯摘要
论文提出一套可在低资源环境本地部署的自动评分流程，结合轻量语言模型做文本评价、视觉语言模型解读图片，用于网络安全事件响应课程的学生报告。作者在两个学期收集105名学生的回答，报告在纯文本评估中准确率最高97%、富文本最高94%，可与大模型相当甚至更优，并避免外部服务成本与隐私问题。该流程已开源，需人工监督。
要点速读
- 论文设计面向低资源、隐私保护的自动评分流程，整合轻量语言模型与视觉语言模型。
- 作者在两个学期本科网络安全事件响应课程中收集105名学生的回答进行评测。
- 作者报告不同硬件配置下纯文本准确率最高97%、富文本最高94%，并称可媲美或超过大模型。
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 2026/11/4 08:00:28（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。