本文提出了一种结合严格正则匹配、LLM宽容评分和人类检查的三层人机评分级联方法,并引入迭代提示机制,以评估和提升多智能体数据分析系统在定量任务上的自动评分质量与可靠性。
机构:哥伦比亚大学
来源:arXiv 2606.24839 | AI4Papers 论文推荐平台