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%。

本文提出了一种新的零-shot自动化作文评分方法——比较作文评分（LCES），旨在解决模型偏差和评分不一致的问题。通过成对比较任务，LCES 提高了评分的准确性和可扩展性，实验结果表明其优于传统评分方法。

研究发现，GPT-4在宏观经济学任务中的评分一致性很高，ICC得分在0.94到0.99之间。内容和风格评分相关性为0.87，说明模型能区分这两个标准。即使风格评分下降，内容评分仍保持不变。研究建议进一步评估AI模型的稳健性和可靠性。