论文研究 arXiv cs.AI Thu, 20 Aug 2026 正文 thin 4 words

衡量部分得分差距：针对越南 2025 年凸性评分方案的严格基准测试

英文标题：Measuring the Partial-Credit Gap: A Strict Benchmark on Vietnam's 2025 Convex Marking Scheme

该论文提出了一项严格基准测试，用于研究越南 2025 年考试凸性评分方案下的“部分得分差距”。论文指出，语言模型在人类考试中的评估通常将回答简单判为正确或错误，并以总体准确率作为指标。作者认为，这种做法隐含了“部分知识应获得按比例分数”的假设，而该假设在某些考试评分场景中并不成立。该研究对开发者和评测机构的意义在于：评估模型考试能力时，可能需要采用更贴近真实评分规则的指标，而非仅依赖二元准确率。

打开原文相关 1.6 · 机会 0