arXiv · cs.AI· Jiawei Xiong, Cheng Tang, Hong Jiao, Hanna Choi·· 8 小时前
证据中心设计指导教育测量中的提示工程：自动作文评分示例
Using Evidence-Centered Design to Guide Prompt Engineering in Measurement: An Illustration with Automated Essay Scoring
arXiv:2610.15231v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jiawei Xiong, Cheng Tang, Hong Jiao, Hanna Choi
研究任务与主要进展
研究团队提出将证据中心设计（ECD）用于教育场景的提示工程，把学生模型、证据模型和任务模型映射到提示设计流程，并据此提出五项设计原则。基于论文摘要，作者在自动作文评分任务中将其与现有提示基线进行实证比较，结果显示，把提示编写视为评估设计而非非正式指令，有助于提升AI生成教育输出的效度、可靠性和公平性。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org