基于大语言模型的个性化实验报告评语自动生成与应用OA北大核心CSTPCD
Personalized Experiment Report Comments Auto-Generation and Application Based on Large Language Models
在计算机实验报告评阅过程中,不同的实验报告评价体系呈现出多样性和差异性,固化的实验评语模板缺乏个性化的内容,评价结果往往未给出可解释性的依据.针对以上问题,提出基于大语言模型的个性化实验报告评语自动生成框架.通过主题-评估决策-集成提示策略,从教师的实验需求、代码质量需求中抽取该实验特有的评价体系,形成评估决策树,构建计算机软件方向课程共享的评估决策树库.设计基于大语言模型和决策树的实验要求、代码质量主题评级方法,从评估决策树库检索匹配学生实验报…查看全部>>
While reviewing computer experiment reports,assessment systems exhibit diversity and discrepancies.The rigid templates used for evaluation lack personalized content,and the results often fail to provide a basis for interpretability.To address these issues,this study proposes a personalized experiment report comments auto-generation framework based on large language models.The study employs a Theme-Evaluation Decisions-Integrated(T-ED-I)hint strategy to extra…查看全部>>
翟洁;李艳豪;李彬彬;郭卫斌
华东理工大学信息科学与工程学院,上海 200237华东理工大学信息科学与工程学院,上海 200237华东理工大学信息科学与工程学院,上海 200237华东理工大学信息科学与工程学院,上海 200237
计算机与自动化
大语言模型实验评估决策树个性化评语自动生成代码质量评价
large language modelsdecision trees of experimental evaluationpersonalizationcomments auto-generationcode quality assessment
《计算机工程》 2024 (7)
42-52,11
上海高校市级重点课程建设项目(沪教委高[2022]27号)上海市教育委员会课题项目教育部-华为"智能基座"产教融合协同育人基地一流课程项目.
评论