计算机工程与应用

作者：薛嗣媛, 任福继

单位：1.中国社会科学院 语言研究所，北京 100732；2.首都师范大学 中国语言智能研究中心，北京 100089；3.电子科技大学 计算机科学与工程学院，成都 610054；4.电子科技大学（深圳）高等研究院，广东 深圳 518110；

关键词：自动作文评测,大语言模型,评语反馈生成

基金：中国社会科学院青年启动计划（2025QQJH15）；国家语委项目（WT145-59，ZD145-12）；中国社会科学院语言学重点实验室项目（2024SYZH001）；科技部科技创新2030“新一代人工智能”重大项目（2020AAA0109700）。

当前大语言模型在生成写作评语时普遍存在个性化不足等问题，难以针对学生写作特点和能力水平提供差异化反馈，影响了其在教育场景中的应用效果。因此，如何利用大语言模型准确识别并适配不同学生的写作能力水平，是智能教育中实现个性化教学的关键问题。以Qwen、GLM、Llama等大语言模型为基座模型，提出一种对话思维链的指令微调策略，即通过融合个体写作技巧差异从而优化大语言模型在汉语写作评语生成中的效果。结果表明，微调后的大语言模型生成的评语显著优于传统两阶段训练方法和问答对话指令微调方法，在浅层语言符号和语义层面的评估上达到最优结果。通过与人类教师评语比较研究发现，模型生成评语在情感度、信息量、连贯性等方面能够实现指令的有效跟随，但在正确性方面由于写作技巧的误判和生成字符限制等原因，依旧与人类教师评语存在差距。从语言教学视角出发，将个体差异化信息融入大语言模型训练过程，为老师“针对性教”和学生“个性化学”提供智能应用的实证参照。

来源：2026年第4期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第4期