← Back to live feed1 story
MISCONCEPTDIALOGUE, a fully automated framework testing five open-weight LLM tutors over 5,000+ dialogues, found that benchmark-style exact-match scoring reports 42.1% Remediation Success Rate on identical dialogues where a human-calibrated LLM-as-judge reports 81.3%, a 39.2 percentage-point spread.
Content history (2)
- 2026-10-26 · Summary · vi · Replaced stored textCác mô hình ngôn ngữ lớn ngày càng được dùng làm gia sư dạy toán, đặt ra hai câu hỏi: một…Các mô hình ngôn ngữ lớn ngày càng được dùng làm giáo viên dạy toán, đưa ra hai câu hỏi: …
- 2026-10-26 · Title · vi · Replaced stored textMisconceptDialogue: Các tiêu chí đánh giá định hình thành công đã đo lường trong việc dạy…MisconceptDialogue: Các tiêu chí đánh giá định hình thành công đo lường được trong việc d…
Sign in to suggest
Key sources
- SOURCEarxiv.org