모델 연구
Learning to Grade Efficiently: A Bandit-Driven Prompt-Selection Framework for Low-Cost LLM Essay Scoring
ARarXiv
LLM 에세이 채점의 운영 비용 문제를 해결하기 위해 밴딧 기반 프롬프트 선택 프레임워크를 제안했다.
세 줄 요약
- IELTS Writing Task 2 에세이를 대상으로 한 실험에서 MAB 프레임워크는 그리드 검색과 유사한 정확도를 달성하며 LLM 호출을 78.4% 줄였다.
- 이 연구 결과는 운영 비용과 평가 유효성을 균형 있게 맞춰야 하는 교육 기술 플랫폼에 실행 가능한 통찰력을 제공한다.
- 에세이 채점의 첫 비용-신뢰성 학습 곡선을 제시하며 토큰 사용량, 지연 시간 등을 추적한다.
LLM 에세이 채점의 운영 비용 문제를 해결하기 위해 밴딧 기반 프롬프트 선택 프레임워크를 제안했다.