AI数据分析系统自动评分：严格匹配与宽松评估的权衡

摘要

研究评估了多智能体数据分析系统LAMBDA在153个数值任务上的表现，开发了三层人机评分级联：严格正则匹配、基于LLM的宽松评分和片段人工检查。宽松评分器召回率达97%，严格评分器通过关键词提取提升召回率60个百分点。迭代提示机制将评分成功率从36%提升至97%。