論文の概要: MAPLE: A Meta-learning Framework for Cross-Prompt Essay Scoring

• arxiv url: http://arxiv.org/abs/2604.17569v1
• Date: Sun, 19 Apr 2026 18:20:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.58793
• Title: MAPLE: A Meta-learning Framework for Cross-Prompt Essay Scoring
• Title（参考訳）: MAPLE: クロスプロンプトエッセイスコーリングのためのメタラーニングフレームワーク
• Authors: Salam Albatarni, May Bashendy, Sohaila Eltanbouly, Tamer Elsayed,
• Abstract要約: MAPLEは、異なる書き込みプロンプト間で転送可能な表現を学ぶメタラーニングフレームワークである。 3つの多様なデータセットにまたがって、MAPLEは最先端のパフォーマンスを達成する。 本研究は,AESシステム構築におけるメタラーニングの可能性を示すものである。
• 参考スコア（独自算出の注目度）: 7.7230473348648125
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Automated Essay Scoring (AES) faces significant challenges in cross-prompt settings, where models must generalize to unseen writing prompts. To address this limitation, we propose MAPLE, a meta-learning framework that leverages prototypical networks to learn transferable representations across different writing prompts. Across three diverse datasets (ELLIPSE and ASAP (English), and LAILA (Arabic)), MAPLE achieves state-of-the-art performance on ELLIPSE and LAILA, outperforming strong baselines by 8.5 and 3 points in QWK, respectively. On ASAP, where prompts exhibit heterogeneous score ranges, MAPLE yields improvements on several traits, highlighting the strengths of our approach in unified scoring settings. Overall, our results demonstrate the potential of meta-learning for building robust cross-prompt AES systems.
• Abstract（参考訳）: AES(Automated Essay Scoring)は、クロスプロンプト設定において重要な課題に直面している。 この制限に対処するために,プロトタイプネットワークを利用したメタラーニングフレームワークであるMAPLEを提案し,異なる書き出しプロンプト間で伝達可能な表現を学習する。 ELIPSE と ASAP (英語) と LAILA (アラビア語) の3つの多様なデータセットにおいて、MAPLE は ELLIPSE と LAILA の最先端性能を達成し、それぞれ QWK において8.5 と 3 点の強いベースラインを上回っている。 プロンプトが不均一なスコア範囲を示すASAPでは、MAPLEはいくつかの特性を改善し、統一スコア設定における我々のアプローチの強みを強調している。 本研究は,AESシステム構築におけるメタラーニングの可能性を示すものである。

関連論文リスト

• CoLLM: A Large Language Model for Composed Image Retrieval [76.29725148964368]
  Composed Image Retrieval (CIR)は、マルチモーダルクエリに基づいた画像検索を目的とした複雑なタスクである。 本稿では,イメージキャプションペアからトリプレットをオンザフライで生成するワンストップフレームワークであるCoLLMを提案する。 我々はLarge Language Models (LLMs) を利用して参照画像の埋め込みと修正テキストを生成する。
  論文  参考訳（メタデータ） (2025-03-25T17:59:50Z)
• M3-AGIQA: Multimodal, Multi-Round, Multi-Aspect AI-Generated Image Quality Assessment [65.3860007085689]
  M3-AGIQAは、AI生成画像のより人間らしく総合的な評価を可能にする包括的なフレームワークである。 モデル出力を人間の判断とより密接に整合させることで、M3-AGIQAは堅牢で解釈可能な品質スコアを提供する。
  論文  参考訳（メタデータ） (2025-02-21T03:05:45Z)
• EssayJudge: A Multi-Granular Benchmark for Assessing Automated Essay Scoring Capabilities of Multimodal Large Language Models [19.271790170055375]
  EssayJudgeは、手動のフィーチャエンジニアリングなしで、正確でコンテキストに富んだ評価を提供し、長年のAES制限に対処する。 18種類のMLLMを用いた実験では,特に談話レベルの特性において,人的評価と比較してAES性能の差が明らかとなった。
  論文  参考訳（メタデータ） (2025-02-17T15:31:59Z)
• APoLLo: Unified Adapter and Prompt Learning for Vision Language Models [58.9772868980283]
  本稿では,視覚言語モデルに対する適応学習とプロンプト学習を組み合わせた統合マルチモーダルアプローチであるAPoLLoを提案する。 APoLLoは10種類の画像認識データセットに対して、MaPLe(SOTA)よりも6.03%向上している。
  論文  参考訳（メタデータ） (2023-12-04T01:42:09Z)
• MetricPrompt: Prompting Model as a Relevance Metric for Few-shot Text Classification [65.51149771074944]
  MetricPromptは、数発のテキスト分類タスクをテキストペア関連性推定タスクに書き換えることで、言語設計の難易度を緩和する。 広範に使われている3つのテキスト分類データセットを4つのショット・セッティングで実験する。 結果から,MetricPromptは,手動弁証法や自動弁証法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2023-06-15T06:51:35Z)
• Multi-View MOOC Quality Evaluation via Information-Aware Graph Representation Learning [26.723385384507274]
  マルチビューMOOC品質評価のための情報認識グラフ表現学習(IaGRL)を開発した。 まず、MOOCプラットフォームにおけるエンティティ間の相互作用と関係を表現するために、MOOC異種ネットワーク(HIN)を構築した。 そして、MOOC HINをメタパスに基づいて複数の単一関係グラフに分解し、コースのマルチビューセマンティクスを記述する。
  論文  参考訳（メタデータ） (2023-01-01T10:27:06Z)
• Query Adaptive Few-Shot Object Detection with Heterogeneous Graph Convolutional Networks [33.446875089255876]
  Few-shot Object Detection (FSOD) は、いくつかの例を使って見えないオブジェクトを検出することを目的としている。 異種グラフ畳み込みネットワークを用いた新しいFSODモデルを提案する。
  論文  参考訳（メタデータ） (2021-12-17T22:08:15Z)
• Learning Prototype-oriented Set Representations for Meta-Learning [85.19407183975802]
  集合構造データから学ぶことは、近年注目を集めている根本的な問題である。 本稿では,既存の要約ネットワークを改善するための新しい最適輸送方式を提案する。 さらに、少数ショット分類と暗黙的メタ生成モデリングの事例にインスタンス化する。
  論文  参考訳（メタデータ） (2021-10-18T09:49:05Z)

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。