本研究は、異なる大規模言語モデルに基づくエージェント設計が作文の自動採点タスクにおいてどのようなパフォーマンスを示すかを検討した。GPT-4-Turbo、DeepSeek-Chat、および Gemini 1.5 Pro に基づくエージェントを対象に実験を行い、ゼロショット学習、少数ショット学習、および思考連鎖戦略に基づく複数のエージェント構成を設計し、その採点効果を評価した。結果、思考連鎖戦略を伴う少数ショットエージェント設計が最も優れた成果を示した。この構成において、GPT-4-Turbo、DeepSeek-Chat、および Gemini 1.5 Pro に基づくエージェントの加重二次カッパ値はそれぞれ0.5706、0.6516、0.7635であり、現在のファインチューニング技術に基づくSOTA（最先端）の水準に近いかそれを上回った。研究は、ファインチューニング技術と比較して、大規模言語モデルに基づくエージェントは作文の自動採点タスクにおいて優れた性能を発揮するだけでなく、ファインチューニング技術には欠けている適応性、柔軟性、および拡張性を備えていることを示している。

エージェント;大規模言語モデル;作文自動採点