[Thesis] Integration von (lokalen) LLM o.ä. für Bewertung von Freitextaufgaben

[AMatutat]

Das Dungeon ermöglicht dem Spieler, über die GUI Freitext einzugeben.
Wir nutzen dies aktuell für eine Art von 'Lückentext'-Aufgaben.
Da sich Freitext-Aufgaben schlecht automatisch bewerten lassen, können wir derzeit nur einfache Fragen stellen, die einfache Eingaben als Lösung erwarten. Diese werden mithilfe von Pattern-Matching oder RegEx ausgewertet und mit der Musterlösung verglichen.

Das ist nicht nur sehr fehleranfällig (Rechtschreibfehler, doppelte Verneinung, etc.), sondern schränkt auch die Bandbreite der möglichen Fragen stark ein.

Mithilfe von LLMs (wie ChatGPT) könnten die gegebenen Antworten besser mit der Fragestellung und der Musterlösung abgeglichen werden. Möglicherweise lassen sich auch Teilpunkte von den LLMs bestimmen?

Dieses Ticket zielt darauf ab, diesen Ansatz konkreter zu beleuchten, Vor- und Nachteile aufzulisten, verschiedene LLMs miteinander zu vergleichen und ein Konzept für die Integration von LLMs in das Dungeon zu entwickeln (inkl. Proof of Concept).