論文の概要: TRATES: Trait-Specific Rubric-Assisted Cross-Prompt Essay Scoring

• arxiv url: http://arxiv.org/abs/2505.14577v1
• Date: Tue, 20 May 2025 16:34:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 14:49:53.574982
• Title: TRATES: Trait-Specific Rubric-Assisted Cross-Prompt Essay Scoring
• Title（参考訳）: TRATES: トラスト特異的なゴムアシスト型クロスプロンプトエッセイスコーリング
• Authors: Sohaila Eltanbouly, Salam Albatarni, Tamer Elsayed,
• Abstract要約: TRATESは、新しい特性特有かつルーリックベースのクロスプロンプトAESフレームワークであり、基盤となる特性に固有のものである。 このフレームワークはLarge Language Model (LLM)を活用しており、特性グレーディングルーリックを使用して特性特化機能を生成する。 実験によると、TRATESは広く使用されているデータセット上で、すべての特性に対して新しい最先端のパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 4.021352247826289
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Research on holistic Automated Essay Scoring (AES) is long-dated; yet, there is a notable lack of attention for assessing essays according to individual traits. In this work, we propose TRATES, a novel trait-specific and rubric-based cross-prompt AES framework that is generic yet specific to the underlying trait. The framework leverages a Large Language Model (LLM) that utilizes the trait grading rubrics to generate trait-specific features (represented by assessment questions), then assesses those features given an essay. The trait-specific features are eventually combined with generic writing-quality and prompt-specific features to train a simple classical regression model that predicts trait scores of essays from an unseen prompt. Experiments show that TRATES achieves a new state-of-the-art performance across all traits on a widely-used dataset, with the generated LLM-based features being the most significant.
• Abstract（参考訳）: 総合的自動エッセイスコアリング(AES)の研究は古くから行われてきたが、個々の特徴に応じてエッセイを評価するための注意が欠如している。 本研究では, TRATESを提案する。TRATESは, 新規な特性特異的かつルーブリックベースのクロスプロンプトAESフレームワークであり, 基礎となる特性に固有のものである。 このフレームワークはLarge Language Model(LLM)を利用して、特性グレーディングルーリックを利用して特性固有の特徴を生成し、エッセイを与えられた特徴を評価する。 特徴特有な特徴は最終的に汎用的な記述品質とプロンプト特有な特徴と組み合わせて、目に見えないプロンプトからエッセイのトレーサスコアを予測する単純な古典的回帰モデルを訓練する。 実験によると、TRATESは広く使用されているデータセット上で、すべての特性に対して、新たな最先端のパフォーマンスを実現している。

関連論文リスト

• LATex: Leveraging Attribute-based Text Knowledge for Aerial-Ground Person Re-Identification [63.07563443280147]
  本稿では,AG-ReID のための新しいフレームワーク LATex を提案する。 属性ベースのテキスト知識を活用するために、プロンプトチューニング戦略を採用する。 我々のフレームワークは、AG-ReIDを改善するために属性ベースのテキスト知識を完全に活用できる。
  論文  参考訳（メタデータ） (2025-03-31T04:47:05Z)
• Multi-field Visualization: Trait design and trait-induced merge trees [2.862576303934634]
  特徴量集合 (FLS) は属性空間で定義された特性を用いて特徴量を特定することで多分野データの解析において有意なポテンシャルを示した。 本研究では,FLSの実用化における重要な課題として,特徴設計とレンダリング機能の選択について論じる。 本稿では,特徴をより単純なコンポーネントに分解し,プロセスをより直感的で効率的なものにする。
  論文  参考訳（メタデータ） (2025-01-08T10:13:32Z)
• Rationale Behind Essay Scores: Enhancing S-LLM's Multi-Trait Essay Scoring with Rationale Generated by LLMs [2.324913904215885]
  本稿では,Rationale-based Multiple Trait Scoring (RMTS)について紹介する。 RMTSは、プロンプトエンジニアリングに基づく大規模言語モデル(LLM)と、より小さな大規模言語モデル(S-LLM)を用いた微調整ベースのエッセイスコアモデルを統合する。 ASAP、ASAP++、Feedback Prizeなどのベンチマークデータセットの実験では、RMTSが特性特異的スコアリングにおいて最先端のモデルとバニラS-LLMを著しく上回っていることが示されている。
  論文  参考訳（メタデータ） (2024-10-18T06:35:17Z)
• BookWorm: A Dataset for Character Description and Analysis [59.186325346763184]
  本稿では,短い事実プロファイルを生成する文字記述と,詳細な解釈を提供する文字解析という2つのタスクを定義する。 本稿では,Gutenbergプロジェクトからの書籍と,人間による記述と分析のペアリングを行うBookWormデータセットを紹介する。 その結果,検索に基づくアプローチは両タスクにおいて階層的アプローチよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-14T10:55:58Z)
• Editing Personality for Large Language Models [73.59001811199823]
  本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。 このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
  論文  参考訳（メタデータ） (2023-10-03T16:02:36Z)
• Syntax and Semantics Meet in the "Middle": Probing the Syntax-Semantics Interface of LMs Through Agentivity [68.8204255655161]
  このような相互作用を探索するためのケーススタディとして,作用性のセマンティックな概念を提示する。 これは、LMが言語アノテーション、理論テスト、発見のためのより有用なツールとして役立つ可能性を示唆している。
  論文  参考訳（メタデータ） (2023-05-29T16:24:01Z)
• Prompt- and Trait Relation-aware Cross-prompt Essay Trait Scoring [3.6825890616838066]
  自動エッセイスコアリング(AES)は、与えられたプロンプトのために書かれたエッセイをスコアリングすることを目的とする。 既存のAESシステムの多くは、トレーニングで使用されるのと同じプロンプトのエッセイを格付けし、総合的なスコアのみを割り当てている。 本稿では,プロンプトとトレーサの関係を意識したエッセイ・エッセイ・トレーサ・スコアラというロバストなモデルを提案する。
  論文  参考訳（メタデータ） (2023-05-26T11:11:19Z)
• An Interpretable End-to-end Fine-tuning Approach for Long Clinical Text [72.62848911347466]
  EHRにおける非構造化臨床テキストには、意思決定支援、トライアルマッチング、振り返り研究を含むアプリケーションにとって重要な情報が含まれている。 最近の研究は、これらのモデルが他のNLPドメインにおける最先端の性能を考慮し、BERTベースのモデルを臨床情報抽出およびテキスト分類に応用している。 本稿では,SnipBERTという新しい微調整手法を提案する。SnipBERTは全音符を使用する代わりに,重要なスニペットを識別し,階層的に切り刻まれたBERTベースのモデルに供給する。
  論文  参考訳（メタデータ） (2020-11-12T17:14:32Z)
• Topic Adaptation and Prototype Encoding for Few-Shot Visual Storytelling [81.33107307509718]
  トピック間一般化の能力をモデル化するためのトピック適応型ストーリーテラを提案する。 また,アトピー内導出能力のモデル化を目的とした符号化手法の試作も提案する。 実験結果から,トピック適応とプロトタイプ符号化構造が相互に利益をもたらすことが明らかとなった。
  論文  参考訳（メタデータ） (2020-08-11T03:55:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。