GPT辅助摘要提升长文自动评分效率，教育评估迎来新方案

自动作文评分系统虽能实现规模化评估和即时反馈，但面临变压器模型输入长度限制的挑战，处理长篇文章时容易造成信息丢失。近日一项研究提出创新解决方案：采用生成式AI辅助摘要框架，在保持评分可靠性的同时改善长文表示效果。

研究团队使用ASAP 2.0数据集，通过三种GPT-5变体模型生成受控长度的摘要，并将其作为下游自动评分模型的输入。为确保保留原始写作特征，研究人员还从完整文章中提取手工制作的语言特征，与摘要表示结合形成混合框架。

评估结果显示，GPT-5 mini在评分一致性方面表现最佳，而GPT-5则生成质量最高的摘要。有趣的是，高质量文章的摘要质量反而下降，表明复杂的写作内容更难压缩而不损失信息。该研究揭示了模型容量、摘要保真度、成本效益和教育结构保留之间的权衡关系。

这项研究为基于GPT的摘要技术在自动作文评分中的应用提供了初步评估，并确定了未来推广所需的重要基准和消融实验。总体而言，生成式AI摘要为规模化写作评估提供了有前景的途径，但需要仔细验证信息保留和公平性。