RubricSpan¶
RubricSpan · 阅微 —— 中文主观题智能阅卷：本地化、可解释、双后端（Rust+GPU 在线 / WASM 离线）的文科主观题评分教师模型
| 项目信息 | |
|---|---|
| 仓库 | https://github.com/Maicarons/RubricSpan |
| 在线体验 | https://maicarons.github.io/RubricSpan/ |
| 主要语言 | Python |
| Stars | 1 |
| 类型 | 原创项目 |
| 许可证 | AGPL-3.0 |
| 最近更新 | 2026-09-10 |
| 主题 | ai · chinese · edu-tech · education · grading · mrc · nlp · ocr · onnx · rust · vitepress |
RubricSpan · 阅微 —— 主观题阅卷教师模型¶
面向中文主观题（文科简答题 / 论述题 / 材料解析题）的本地化智能阅卷系统：大模型离线生成训练标签，训练轻量编码器模型，在普通 PC / 本地 GPU 上完成"上传试卷 → 作答识别 → 自动评分 → 审阅反馈"闭环。
仓库 github.com/Maicarons/RubricSpan ·
文档站 maicarons.github.io/RubricSpan ·
模型 Hugging Face / ModelScope（RubricSpan-{mrc,similarity}-1.0-flash）
版本 v1.0.0
核心特性¶
- 可解释评分：给出分数的同时，标注学生答案中命中每个得分点的原文片段
- 本地可运行：评分链路全程本地推理，不依赖在线大模型
- 同义答案识别：等价表述扩展（aliases）+ 语义相似度兜底，正确处理"戊戌变法 / 百日维新 / 维新运动"类答案
- 自然语言标准答案：教师粘贴自然语言评分说明，自动解析为结构化评分配置
- 纸质试卷接入：扫描件 / 照片 OCR 识别（RapidOCR PP-OCRv6 · Rust 侧推理，M8.1 恢复；模型首次启动自动下载）
- 双后端模式：Rust + GPU 在线服务（生产首选）与 WASM 浏览器离线演示（备选）
技术栈¶
| 层级 | 选型 |
|---|---|
| 前端 | React 19 + Next.js 15（App Router）+ Radix UI + Tailwind CSS |
| 后端（在线） | Rust 全栈：Axum 网关 + ort（ONNX Runtime）原生推理，单二进制无 Python（GPU/CPU EP 可选） |
| 后端（离线） | 轻量模型 + WASM（浏览器内推理） |
| 模型 | Langboat/mengzi-bert-base（MRC 抽取）+ shibing624/text2vec-base-chinese（相似度兜底） |
| 文本识别 | RapidOCR（PP-OCRv6 · Rust 侧推理，M8.1 恢复；Python 仅用于训练） |
| 训练 | Python + PyTorch + Transformers / Sentence-Transformers（仅训练侧，推理已全部 Rust 化） |
| 存储 | SQLite（本地测试/单机）/ MySQL（生产）/ Memory（临时兼容） |
仓库结构¶
RubricSpan/
├── contracts/ # 冻结契约：OpenAPI、JSON Schema、模型产物规范
├── train/ # Python 训练侧：打标 / 对齐 / 训练 / 评估 / 导出
├── backend/ # Rust 后端（Cargo workspace：服务 / 评分 / 推理 / OCR / 存储）
├── frontend/ # Next.js 15 前端（阅卷工作台等）
├── wasm/ # WASM 离线推理构建（备选模式）
├── data/ # 数据目录（原始 / 合成 / 处理后，不入库）
├── models/ # 模型产物目录（不入库，见 contracts/model-artifacts.md）
├── docs/ # 项目文档：契约变更记录、评估报告、bad case、部署手册
└── .github/ # CI 工作流与 Issue/PR 模板
快速开始¶
环境基线：Rust 工具链、Node.js、Python（仅训练需要）；可选 NVIDIA GPU 用于推理加速。
后端（Rust 在线服务）¶
cd backend
cargo run -p rubricspan-server
前端（Next.js）¶
cd frontend
npm install
npm run dev
训练流水线（Python）¶
cd train
python -m venv .venv
.venv\Scripts\activate # Windows；Linux/macOS 用 source .venv/bin/activate
pip install -r requirements.txt
文档索引¶
文档统一由 VitePress 站点管理，通过 GitHub Pages 自动部署（见 .github/workflows/docs.yml）。
| 文档 | 说明 |
|---|---|
| 技术方案（计划书） | 技术方案（v4）：架构、算法、训练、双后端、OCR、指标与风险 |
| 执行计划 | 执行计划：里程碑、WBS、验收标准、风险登记册 |
| 后端指南 / 前端指南 / 训练指南 | 三大组件的构建、结构与约定（组件目录内 README 为指针） |
| 部署与运行手册 | 在线/离线/训练三种模式的部署步骤与环境陷阱 |
| 全链路评估报告 | 系统级 §13 指标实测与调优实验结论 |
| VitePress 文档站 | 部署后的在线文档（构建产物，详见 docs/） |
| contracts/ | 接口与数据契约（冻结后变更走 变更记录） |
| docs/quality/bad-cases.md | bad case 登记（迭代闭环入口） |
里程碑¶
数据与环境 → 大模型打标 → 模型训练与导出 → OCR 集成 → Rust 在线后端 → 前端开发 → WASM 离线备选 → 联调评估与交付（共 13 周，详见执行计划 §3）。
当前进度：M0–M8 完成。M8 将推理栈去 Python 化：ort + tokenizers 原生实现与旧运行时金标对拍（53 MRC + 180 相似度逐位一致），e2e 指标零回退后删除 backend/runtime/，交付物收敛为单个 Rust 二进制。交付 FP32+INT8 双模型（ONNX）、Rust 在线服务、WASM 浏览器离线演示与完整训练/评估工具链。全链路评估报告：系统级 ScoreCorr 0.959（目标 ≥0.85 ✅）、等价给分率 97.4%（目标 ≥80% ✅）；Point-Acc 78.4%（受金标口径分歧影响，34 条仲裁清单见 arbitration-sheet）与模型级 EM/F1 经评审裁剪至迭代闭环（M7 评审）。
浏览器离线单题评分演示：启动前端后访问 /offline（使用说明）；部署细节见部署与运行手册。
许可证¶
AGPL-3.0 —— 本项目代码以 GNU Affero General Public License v3.0 发布。 通过网络提供服务时，服务端修改后的源代码同样须向用户提供（见 LICENSE 第 13 条）。
模型权重（MRC/相似度 ONNX，发布至 HF/ModelScope 厂库）以 CC BY-NC-SA 4.0 发布： 训练数据含 CC BY-NC 4.0（CMMLU）与 CC BY-NC-SA 4.0（C-Eval）等非商业来源，模型发布许可 对齐最严格的数据许可，保证全部训练数据合规可用；商业使用需另行取得相关数据集商业授权。 完整数据集许可审计见 docs/quality/licenses.md。