paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
TW

Tingjie Wan

ACL 2026可解释性评测与基准数据与预训练
新星分贡献者
27
一作贡献0
核心/参与5
方向广度6
合作网络6
0 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
作者位次 #4/5ACL 2026Findings· Findings of ACL

D iff CL : Difference-Aware Contrastive Learning for Automatic Answer Grading with Multi-Level Semantic Modeling

Lei Chen · BoYu Gao · Zitao Liu · Tingjie Wan · Weiqi Luo

摘要

Automated Answer Grading (AAG) is a fundamental task in intelligent education, requiring accurate semantic understanding and reliable modeling of student deviations from reference answers. Despite recent progress, large language models (LLMs) remain insensitive to missing key concepts, exhibit un...

可解释性评测与基准数据与预训练OpenReview 项目页

常见合作者