محققان در پژوهشی جدید، چالش «تعمیمپذیری» مدلهای هوش مصنوعی در تصحیح و نمرهدهی مقالات (AES) را هدف قرار دادهاند. در سیستمهای قبلی، مدلها معمولاً با یک معیار مشخص آموزش میدیدند، اما در این مطالعه روشی معرفی شده که به مدل اجازه میدهد حتی با تغییر معیارهای ارزیابی (Rubrics) و بدون دیدن نمونههای قبلی، همچنان عملکرد درخشانی در تحلیل مهارتهای تفکر انتقادی دانشآموزان داشته باشد.
این تحقیق نشان میدهد که استفاده از ساختارهای واسط و نظارت دقیق بر دادهها، میتواند مدلهای متنباز را حتی از مدلهای قدرتمندی مثل GPT-5-mini نیز پیش بیندازد. گامی مهم برای هوشمندسازی ابزارهای آموزشی! 🎓✨
منبع: arXiv NLP