11:17
官方一手arXiv: DeepSeek@Tahmid Al Hannan, Diego Garcia, Alex Njoroge, Suha Al Juboori, Tarek Sakakini
推荐理由：论文搞了个8B的小模型FATE，专门给AI老师打分，比蒸馏前涨了22个点。还顺便测了Gemini、ChatGPT等，Gemini 2.5 Flash得分最高，挺有意思。
BEA 2025
共 1 条相关 AI 资讯
7月14日
11:17
该论文提出FATE（FLC AI Tutor Evaluator），一个8B参数的语言模型，专门用于评估AI导师的教学质量。FATE基于BEA 2025共享任务的四个核心评估轨道（Mistake Identification、Mistake Location、Guidance、Actionability）进行对齐。通过从前沿LLM进行知识蒸馏生成额外监督数据，FATE在评估性能上最高提升22.63个百分点。论文还使用FATE对ChatGPT、Claude、Gemini、DeepSeek等主流商业模型的教学响应进行基准测试：Gemini 2.5 Flash表现最好（82.88%），其次是ChatGPT 5.5 Instant（80.75%）、DeepSeek V4 Flash（80.13%）和Claude Sonnet 4.6（74.00%）。