本研究提出CAFES框架，旨在提升自动作文评分的评估泛化性和多模态感知能力。通过协作多智能体的方式，显著提高了评分与人类判断的一致性，实验结果显示评分准确性提升了21%。

本研究提出了EssayJudge，旨在解决传统自动作文评分系统的特征依赖性和多模态处理不足的问题。通过多模态大型语言模型，EssayJudge实现了更精确的上下文评估，推动了该领域的发展。

本研究提出了一种混合评分方法，旨在解决自动作文评分系统在多样化写作任务中的不足。实验结果表明，该方法在不同写作任务中优于基线模型，具有显著的评价潜力。