LaTA：符合FERPA的本地LLM自动评分器，即插即用高年级STEM课程作业

大语言模型 (LLM) 评分者承诺减轻高年级 STEM 课程的评分负担，但迄今为止大多数部署都将学生作业发送到第三方 API，违反了 FERPA 并使机构面临数据风险，同时需要大量作业修改。我们推出了 $\textbf{LaTA}\ (\textit{LaTeX Teaching Assistant})$，这是一个嵌入式开源自动评分器，完全在商用本地硬件上运行，并采用许多工程和物理课程已采用的 LaTeX 原生工作流程。 LaTA 使用本地托管的开放式思想链 LLM 评分器 (gpt-oss:120b) 实现四阶段管道（摄取、分段、评分、报告），该评分器将学生作业与教师编写的参考解决方案进行比较，并应用带有二进制每个项目评分的 YAML 评分标准。我们于 2026 年冬季在俄勒冈州立大学的 ME 373（机械工程方法）中部署了 LaTA，在单个 Mac Studio 上对大约 200 名学生的每周作业进行评分，每项作业的边际成本为 0 美元，每次提交需要 1--3 分钟的挂钟时间，从而能够对已纠正的作业进行重新评分，并大大扩展了 TA 办公时间的服务。整个学期，教师确认的评分错误率大约为每个评分细目 $0.02$--$0.04\%$。相对于同一位教师之前的传统评分队列，LaTA 评分队列在期中考试中表现优于约 $11\%$，在期末考试中表现优于 $8\%$，并且在每个规定的学习目标上的自我评估信心都有很大提高（$N = 159$ 调查回复，$Δ\geq +1.49$ Likert 点，$p < 10^{-27}$ 每次比较）。我们在 AGPLv3 下发布代码。