CL-MEP：用匹配作文对对比学习缓解 ESL 学习者自动作文评分偏差

Mitigating Bias in Automated Essay Scoring for ESL Learners via Contrastive Learning

AI 导读

研究提出匹配作文对对比学习（CL-MEP）双向对齐策略，将自动作文评分系统对高熟练度 ESL 学习者的评分偏差降低 39.9%，同时提升整体准确率。该方法成功将合理的句法复杂度与表层语法错误区分开来。

正文 · AI 翻译

摘要：自动作文评分系统会不成比例地惩罚高水平的英语作为第二语言（ESL）学习者。我们提出匹配作文对对比学习（CL-MEP），一种双向对齐策略。CL-MEP 将这种评分偏差降低 39.9%，同时提升整体准确率，成功将有效的句法复杂性与表层语法错误区分开来。

学科：	计算与语言（cs.CL）
引用为：	arXiv:2601.16724 [cs.CL]
	（或 arXiv:2601.16724v3 [cs.CL] 查看此版本）
	https://doi.org/10.48550/arXiv.2601.16724 由 DataCite 颁发的 arXiv DOI

提交历史

来自：Kevin Fan [查看邮箱]
[v1] 2026年1月23日星期五 13:18:30 UTC（10 KB）
[v2] 2026年10月5日星期一 05:06:57 UTC（13 KB）
[v3] 2026年11月1日星期日 21:12:41 UTC（13 KB）

来源：arXiv cs.CL · arxiv.org