Epi2Diff用LLM推理轨迹预测试题难度

2026年11月2日，量子位报道，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，用于预测人类作答试题的难度。该框架将大模型推理轨迹拆分为八类认知片段，并从中提取83维过程特征，再结合题目语义来预测人类作答难度。报道称，在 SAT 数学题上，该方法的分类准确率为73.0%。目前该工作处于论文报道阶段，尚无更多后续进展披露。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。