연구진은 에세이 채점 및 피드백 생성 LLM 프레임워크 RLAES를 제안했어요. RLAES는 강화 학습(RL)을 통해 에세이 채점과 피드백 생성을 동시에 최적화해요.
피드백 품질을 측정하기 위해 166개의 세분화된 이진 루브릭 항목과 LLM 심판으로 구성된 루브릭 기반 피드백 평가(RFE) 프레임워크를 도입했어요.
RLAES-AGFO는 ASAP 벤치마크에서 LLM 기반 방법 중 최고 점수(QWK = 0.803)를 달성하며 GPT-5.5 수준의 피드백 품질을 유지했어요.