Ein kompakter Multi-Task-MoE-Ansatz für effizientes automatisiertes Scoring
Automatisches Bewerten von schriftlichen Antworten wird üblicherweise mit einem separaten Modell pro Aufgabe realisiert. Das führt zu hohem Speicherbedarf, langen Trainingszeiten und aufwändiger Wartung – Faktoren, die in realen Bildungssystemen problematisch sind. UniMoE‑Guided löst dieses Problem, indem es die Expertise mehrerer großer, aufgabenspezifischer Lehrer‑Modelle in ein einziges, kompaktes Schüler‑Modell überträgt.
