研究压力测试多模态大模型评分助手读运动学图可靠性
热点事件持续更新
研究压力测试多模态大模型评分助手读运动学图可靠性
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Ons Zammel 等研究者发布一项探索性研究,对多模态大语言模型批改助手在四道运动学题目合成答卷图像上的读图评分能力进行压力测试,使用视觉畸变和逐步变换的图像以及多种模型与提示词配置,结论是不建议在教师审阅(包括满分答卷)之前将评分作为最终成绩。 测试结果显示模型表现不稳定:部分判断能正确区分瞬时零速度与有限区间静止、识别正曲率,但同一配置下,严重畸变的速度-时间图竟获得满分,而其他答卷被扣大量分;对无刻度图的数值判定也缺乏坐标约定。研究者因此建议教师审阅评分后方可使用。
AI 根据报道生成 · 2 小时前更新
最新进展11月19日 13:00
多模态大语言模型批改助手运动学图像读图能力压力测试报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv cs.AI多模态大语言模型批改助手运动学图像读图能力压力测试
一项探索性研究对多模态大语言模型(MLLM)批改助手在四道运动学题目合成答案的图像读图评分能力进行压力测试,使用视觉畸变和逐步变换的图像及多种模型与提示词配置。部分判断能正确区分瞬时零速度与有限区间静止、识别正曲率,但严重畸变的速度-时间图竟获满分,而同配置下其他答卷被扣大量分数;无刻度图的数值判定也缺乏坐标约定。研究者建议教师审阅评分(包括满分答卷)前不应将其作为最终成绩。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。