研究者提出了一种适用于ASAG数据集的弱监督注解过程和基于评分理由的神经符号模型，该方法在双语、多领域、多问题的训练设置中相比现有技术提高了均方根误差，为ASAG和教育NLP领域的未来研究提供了有前景的方向。