يتناول الباحثون تحدي التقييم الآلي للمقالات عندما يقوم المعلمون بمراجعة أو إدخال معايير جديدة، وهو سيناريو يُعرف بالتعميم عبر المعايير. يقترحون إطار عمل لضبط النماذج اللغوية الكبيرة (LLM) يستخدم تمثيلات وسيطة مستقلة عن المعيار تُسمى "سمات" (traits) جنبًا إلى جنب مع إشراف المقالات المستهدفة أثناء التدريب.
- تحسّن النهج دقة F1 الكلية بنسبة 5.0% مقارنة بخط الأساس بدون سمات في أصعب إعداد حيث لم تظهر معايير أو مقالات مستهدفة أثناء التدريب.
- يؤدي زيادة الإشراف على المقالات المستهدفة إلى تعزيز الأداء بشكل أكبر، مما يسمح لأفضل نموذج مفتوح المصدر قائم على Llama بعد الضبط بالتفوق على التوجيه (prompting) الخاص بـ GPT-5-mini بنسبة 2.1% في دقة F1 الكلية.
- يتأخر نفس النموذج القائم على Llama عن GPT-5 بنسبة 1.9% فقط في هذا التقييم.
تُظهر هذه النتائج أن دمج البنية الوسيطة القائمة على السمات والإشراف المتحكم فيه يحسّن بشكل فعال التعميم إلى معايير تقييم لم تظهر سابقًا.