研究用开源LLM信号预测USMLE与PANCE考题难度
热点事件持续更新
研究用开源LLM信号预测USMLE与PANCE考题难度
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Xiaomeng Xiong 等在 arXiv 发布论文，提出让开源权重 LLM 以“评判者”和“模拟考生”两种角色与 USMLE、PANCE 医学执照考试试题交互，提取绝对难度评分、两两比较、答题正确率、选项概率与响应熵等信号来预测题目难度。 论文称，两两难度比较是两个数据集上最一致的单个 LLM 信号，模拟考生信号和绝对评分在某些特征组合中提供补充信息；其结果与专有前沿模型 Claude Opus 5 直接给出的绝对难度判断相当（相关系数 ρ 分别为 .443 和 .488）。
AI 根据报道生成 · 50 分钟前更新
最新进展10月31日 12:00
用 LLM 同时担任评判者与考生预测医学试题难度报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI用 LLM 同时担任评判者与考生预测医学试题难度
一项研究用开源权重 LLM 以“评判者”和“模拟考生”两种角色预测 USMLE 和 PANCE 医学执照考试试题难度，信号包括绝对难度评分、两两比较、答题正确率、选项概率与响应熵等。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。