一个基于大语言模型的 MATLAB 自动批改机器人。
- 自动读取题目与标准答案
- 自动批改学生提交的
.mlx文件 - 根据标准答案与题目分数,给出最终得分与错误原因
- 输出统一的 JSON 格式,便于后续分析与统计
本项目推荐使用 uv 管理依赖。
# 同步依赖
uv sync本项目通过 python-dotenv 加载 API Key,避免将 Key 写死在代码中。
请在项目根目录新建 .env 文件,并写入以下内容:
OPENAI_API_KEY=your_api_key_here
.env 文件 不要提交到 Git 仓库,请务必添加到 .gitignore 里。
https://www.rarlab.com/rar_add.htm
所有数据存放在 data 文件夹下。
在 data/tasks/ 文件夹下,每道题建立一个子文件夹,文件夹名为题号(整数)。
例如:第一题为 data/tasks/1/,其中包含:
task_content:题目文本 solution:参考答案(MATLAB 代码) score:该题分值(整数) 目录结构示例:
data/tasks/
├── 1/
│ ├── task_content
│ ├── solution
│ └── score
├── 2/
│ ├── task_content
│ ├── solution
│ └── score
在 data/raw/ 文件夹下,每个学生对应一个子文件夹,名称可为学号或姓名缩写。
每个学生文件夹中 必须仅有一个 .mlx 文件,该文件为该学生的提交。
例如:
data/raw/
├── studentA/
│ └── answer.mlx
├── studentB/
│ └── homework.mlx
📌 提交文件需参考项目中提供的 template.mlx。
- 预处理
- 预处理正确性检测
- 针对不合规文件的大语言模型划分
- LLM-driven Grader
- basic core
- 多模态
- JSON数据写入
- 基于Json构建批改文本
- 断点启动
- 预处理断点启动
- 批改断点启动
- logger