Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Rubric Is All You Need: Enhancing LLM-based Code Evaluation With Question-Specific Rubrics

Created by
  • Haebom

저자

Aditya Pathak, Rachit Gandhi, Vaibhav Uttam, Devansh, Yashwanth Nakka, Aaryan Raj Jindal, Pratyush Ghosh, Arnav Ramamoorthy, Shreyash Verma, Aditya Mittal, Aashna Ased, Chirag Khatri, Jagat Sesh Challa, Dhruv Kumar

개요

본 논문은 GPT-3 및 ChatGPT 출시 이후 두각을 나타내고 있는 LLM 기반 코드 평가의 문제점을 해결하고자, 질문 특화된 채점 기준을 활용한 다중 에이전트 기반의 새로운 접근법을 제안합니다. 기존 질문과 무관한 채점 기준 방식보다 논리적 평가에 더 효과적임을 주장하며, 적절한 평가 데이터셋 부족 문제를 해결하고자 데이터 구조 및 알고리즘 데이터셋(150개 학생 제출물)과 객체 지향 프로그래밍 데이터셋(80개 학생 제출물) 두 가지를 새롭게 소개합니다. 기존 지표(Spearman 상관계수, Cohen의 Kappa) 외에 전문가 평가에 대한 평가 엄격성을 정량화하는 새로운 지표인 'Leniency'를 제안하여, 질문 특화된 채점 기준이 교육 환경에서 코드의 논리적 평가를 향상시켜 단순한 구문 정확성을 넘어 교육 목표에 부합하는 더 나은 피드백을 제공함을 보여줍니다.

시사점, 한계점

•
시사점:
◦
질문 특화 채점 기준을 활용한 다중 에이전트 기반 코드 평가 방식의 효과성을 실증적으로 제시.
◦
LLM 기반 코드 평가 분야의 새로운 지표인 'Leniency' 제안.
◦
데이터 구조 및 알고리즘, 객체 지향 프로그래밍 분야의 새로운 평가 데이터셋 제공.
◦
교육 목표에 부합하는 더 나은 코드 평가 및 피드백 제공 가능성 제시.
•
한계점:
◦
제안된 데이터셋의 규모가 상대적으로 작음.
◦
제안된 접근법의 일반화 가능성에 대한 추가 연구 필요.
◦
다양한 프로그래밍 언어 및 코드 스타일 지원 여부에 대한 추가 검증 필요.
◦
'Leniency' 지표의 객관성 및 신뢰성에 대한 추가 연구 필요.
👍
Made with Slashpage