Primary sourcearXiv cs.AI
View sourceEvent ·Single source
研究评估预训练模型对 AI 生成教育题目的布鲁姆分类效果
arXiv 论文研究了 Bloom 层级分类模型在分布外（OOD）数据上的表现退化问题。基线测试中 TFPOS-IDF 传统机器学习模型 OOD Macro F1-score 仅 0.48，BERT 为 0.55，LLM 达到 0.79。文本拼接（text splicing）可将 ML 和 BERT 的 Macro F1-score 提升至 0.59 和 0.62。研究还测试了附加学习目标、NLP 特征工程等策略，并发现模型重训练带来的改进最大。
Current read
想做 AI 出题自动质检的可以看看：论文实测了 LLM、BERT、传统 ML 在布鲁姆分类上的 OOD 表现，LLM 拿到 0.79 的 F1，还给了几个低成本补救手段。
2 sources41° AI heatLast updated 2026/9/23 12:00:33
Evidence
2 sourcesRelated source 1lmarena.ai
View sourceConflict check
Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.