AI辅助选择题质量保障综述论文发布

Steven Moore 和 Nicholas Diana 在 arXiv 发布综述论文，基于 14 份研究报告构建了 19 项标准评估框架，用于自动化选择题缺陷检测、修订及心理测量筛查。研究发现高标签准确率常伴随弱阳性案例检测，且现有修订证据混杂，无法确立修复效果。作者建议将质量保障视为独立验证决策序列，采用基于结果的评估方法。

AI 根据报道生成 · 2 天前更新

还没有足够的连续观测数据，暂不绘制趋势。