增强自动短答案评分系统的安全性和防御能力

本研究针对医疗教育中基于变压器的自动短答案评分系统的漏洞进行了探讨，研究发现这些系统可以通过对抗性游戏策略被操控，从而导致错误的评分结果。本文提出通过多种对抗训练方法以及组合技术如多数投票和岭回归来增强系统的稳健性，从而显著降低对操控的脆弱性，确保AI驱动的教育工具在高风险环境中的可靠性和公平性。