Epi2Diff 试题评测框架：利用大模型推理轨迹量化人类考试难度

弗吉尼亚理工大学等研究团队提出试题评测框架 Epi2Diff，通过将大模型推理轨迹拆解为 8 类认知片段并提取 83 维过程特征，结合题目语义预测人类作答难度。实验使用 QwQ-32B 与 Qwen3-32B 生成轨迹，Epi2Diff 在 SAT 数学难度分类中达到 73.0% 准确率，比最强基线高 3.2 个百分点，相关论文已被 TMLR 接收。