Epi2Diff用LLM推理轨迹预测试题难度
热点事件持续更新
Epi2Diff用LLM推理轨迹预测试题难度
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
弗吉尼亚理工大学、马里兰大学、MBZUAI 与匹兹堡大学团队提出 Epi2Diff 框架，将大模型推理轨迹拆分为八类认知片段并提取 83 维特征，结合题目语义预测人类作答难度。论文已被期刊 TMLR 接收。 在 SAT 数学、SAT 阅读与写作、Cambridge、USMLE 四个数据集上，SAT 数学难度分类准确率达 73.0%，比最强基线高 3.2 个百分点。团队称这种模式在其他领域复现有限，属于过程关联，不能视为对人类认知的直接观测或因果证明。
AI 根据报道生成 · 3 小时前更新
最新进展11月2日 15:44
Epi2Diff：用大模型推理轨迹量化试题难度的评测框架报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- 36氪 · AIEpi2Diff：用大模型推理轨迹量化试题难度的评测框架
弗吉尼亚理工大学、马里兰大学、MBZUAI 与匹兹堡大学团队提出 Epi2Diff 框架，将大模型推理轨迹拆分为八类认知片段并提取 83 维特征，结合题目语义预测人类作答难度。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月2日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。