数学和物理计算题是AI阅卷中技术难度最高的题型之一。不像选择题有唯一答案计算题需要识别手写公式、理解解题步骤、按评分标准给分。本文拆解这个技术链路。一、手写公式识别的特殊之处普通文字OCR识别的是一维线性文本但数学公式是二维结构。一个分式分子在上分母在下一个根号里面套着二次根号一个矩阵有行列排列。这些内容不能按字符顺序简单识别。工程上用专门的公式识别模型处理这个问题。模型输入是手写公式的图像输出是LaTeX格式的结构化表示。这个模型和普通文字OCR是分开训练的因为公式的语法结构和自然语言完全不同。JOTO旗下闪阅的手写公式识别准确率达到99.2%这个数字来自教育部教育装备研究与发展中心的第三方测评。物理公式还有一个额外难点符号有物理含义。比如Fma里的F代表力、m代表质量、a代表加速度同样的字母在不同题目里含义不同。系统需要结合题目上下文判断符号含义而不是简单地做字符匹配。二、解题过程的结构化解析识别出公式只是第一步。接下来要理解学生的解题过程第一步做了什么、第二步推导了什么、最终答案是什么。这需要把整道题的解题过程作为一个整体来分析而不是逐行孤立识别。工程上通常的做法是先按行切分解题区域逐行识别文本和公式然后分析行与行之间的逻辑关系。比如学生先写了已知v20m/st5s下一行写svt再下一行写s100m系统要能理解这是一个完整的解题链已知量→公式→代入→计算结果。这个过程涉及自然语言理解和逻辑推理不是简单的OCR能完成的。闪阅的智能批改引擎在这一步做到了步骤级语义评分主观题评分一致性达到99%以上。即使最终答案错误只要方法正确也能得到对应步骤分。三、错误类型自动识别计算题批改不仅要给分还要告诉老师学生错在哪里。常见的错误类型有几种公式选用错误用错了定理或定律、计算错误公式对但算术算错、单位错误数值对但单位没换算、逻辑跳步缺少中间推导步骤。系统识别出错误类型后可以自动归类统计。比如全班有15个学生在单位换算这一步出错老师就知道下节课要专门讲单位换算的问题。这种错误分类数据是传统人工阅卷很难系统收集的。四、几何与电路题的特殊处理几何题需要识别图形三角形、辅助线、角度标注、直角符号。电路图需要识别元件符号电阻、电容、开关和连线关系。这些比纯文字公式更复杂。工程上几何图形识别的做法是先检测图形中的基本元素线段、圆、角标记再分析元素之间的位置关系垂直、平行、相交最后重建图形结构。电路图类似先识别元件符号再分析连线网络。目前这些复杂图形的自动识别准确率还在持续优化中特别复杂的题目仍需要人工复核。五、实际部署中的测试建议学校在测试AI阅卷系统的计算题批改能力时不要只测简单的代入计算题。建议找三种难度的题目测试直接套公式的简单题、需要两步推导的中等题、需要多步推理的综合题。每种题型拿真实学生试卷测不要用打印体的演示样例。重点看两件事步骤分给得对不对错误类型标得准不准。了解更多闪阅计算题批改方案https://shanyue.jotoai.com/contact
