Playground · 实验室

用真实用户的手写作答图像（填空题与解答题，含数竞选手的难辨认字迹） 对多个手写识别模型做基准测试，衡量「读图 → 提取作答」的准确率。

首批基准结果将在此发布。

一试解答题的 AI 批改与评分研究：以官方评分细则（每题 20 分、约 4 个采分点） 为基准，让不同模型对学生作答评分，迭代出更准、更便宜的评分提示词。

评分对比与提示词演进记录将在此发布。

填空题 AI 判题的正确性研究：用带用户反馈的真实作答样本， 比较不同模型的判定正确率，定位现有判题的问题。

判题正确率报告将在此发布。

一试题库（3600+ 题）的更精确难度与标签重标注， 完成后重新导入题库，并在这里展示前后对照的样例。

重标注样例对照将在此发布。

小奥题库的更精确难度与标签重标注（研究机上进行中）， 完成后重新导入题库，并在这里展示样例。

重标注样例对照将在此发布。