如何判断AI批改靠不靠谱

最近不少人在问，AI批改给的分数到底准不准？说实话，这问题谁也答不了。

人工阅卷本身就有质检抽查，单次评分也会漂移。剑桥大学研究发现，AI 对文章长度和句式太敏感，最好和最差的答案反而识别不准。学科公认的校准目标从来不是“绝对正确”，而是“跟真人评分能互换”。可真正的评分细则保密，根本没把尺子来裁决。

既然没有公尺，各个工具自然各造各的尺。给分低不代表更严，高也不代表更松，单看分数高低说明不了任何事。至于“水区旱区”，我们规则里压根没这词。各省细则保密，真按这个设计，还得让用户自己猜属于哪一档，选择本身就不准。

所以判断靠不靠谱，别看严不严，可以看两个能验证的特征：

一是区分度。把好答案删个得分点，分数必须降；往普通答案里灌空话，分数不许涨。连这方向都守不住，分数就没参考价值。

二是一致性。同一份答案再交一次，大多数情况分数稳定。但要是卡在两档边界上，极端情况确实会跳档。这是分数制的固有现象，目前只能让它可见、可解释。

AI批改结果仅供参考，不构成正式成绩评定。