传统标准化测试难以测量学生协作、创造力、批判性思维等“持久技能”，谷歌研究团队提出Vantage方法，利用大语言模型（LLM）模拟真实群体互动并准确评分。Vantage核心是“执行LLM”架构，可协调对话并按预设标准引导互动，在协作子技能上表现优于不协调的独立代理，提升了关键行为证据率。研究招募188名18至25岁参与者，收集373份对话记录，AI评分与纽约大学人类评审员评分一致性良好，尤其在创造力和批判性思维方面表现突出，为教育评估提供新思路。划重点:> 📊 Vantage 方法结合大语言模型，可模拟真实团队互动并准确评分持久技能。> 🤖 执行LLM架构协调多AI角色，主动引导对话，提升评估效果。> 🎓 AI评分与人类专家一致性良好，为教育测评带来新可能。