近日，第63届ACL 2025 年计算语言学协会年会 (The 63rd Annual Meeting of the Association for Computational Linguistics，ACL 2025) 于2025年7月27日- 8月1日在奥地利维也纳举行。ACL是自然语言处理领域最广泛认可的国际顶级学术会议之一，也是中国计算机学会（CCF）推荐的 A 类人工智能国际顶级会议，在自然语言处理领域具有极高的学术影响力。
我院师生的长文论文《CEAES: Bidirectional Reinforcement Learning Optimization for Consistent and Explainable Essay Assessment》被录用并做报告，论文学生一作为学院在读硕士研究生潘雯静同学，论文第一作者为李霞教授、导师。
论文概述：当前大多数自动作文质量评估系统将分数预测与反馈生成视为两个独立的任务，忽略了一个关键事实：分数提供的是对写作质量的定量评估，而反馈则体现的是定性评估。这两种形式从不同的角度反映了作文的质量，本质上是一致的，并且可以相互强化。在本文中，我们提出了一种新颖的双向强化学习框架，有效利用这种一致性约束，实现分数预测与反馈生成的联合优化，从而确保二者之间的相互强化与对齐。通过这种方式使得我们的模型获得准确的评分结果与一致的文本反馈。我们在多个公开数据集上进行了广泛的实验，结果表明，该方法在评分准确性和反馈质量方面均优于现有的最新模型。
图1. 论文模型图
初审：潘雯静
复审：李霞、陈彩萍
终审：王连喜
