EduBehaviors：面向教育对话可审计标注的断言架构框架
大语言模型已被广泛应用于教育对话数据的教学构念标注与分类，但其黑盒推理特性导致难以验证模型对具体话语分类的机理依据。为此，研究团队提出了 EduBehaviors 框架。该框架是一种可解释且具扩展性的教育数据标注方案，通过利用大语言模型量化与多种构念相关的可观测重复行为，进而训练下游分类器，实现标注过程的可追溯与审计（原摘要结尾略有截断）。
推荐理由针对大语言模型在教育数据黑盒标注中的可信度痛点，提出了一套兼顾可解释性与可扩展性的审计框架。
原标题：EduBehaviors: Assertion-based Schemas for Auditable Coding of Educational Dialogues
阅读 arXiv 自然语言处理 原文 ↗