热点事件持续更新
多校联合提出AI试题难度预测框架Epi2Diff
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
2026年11月，弗吉尼亚理工大学等研究团队提出了试题评测框架 Epi2Diff，旨在利用大模型推理轨迹量化人类考试难度。该框架通过将大模型的推理轨迹拆解为 8 类认知片段，并提取 83 维过程特征，结合题目本身的语义信息来预测人类的作答难度。在实验评估中，研究团队使用 QwQ-32B 与 Qwen3-32B 生成推理轨迹，结果表明 Epi2Diff 在 SAT 数学难度分类中达到了 73.0% 的准确率，相较最强基线提升了 3.2 个百分点。目前，相关研究论文已被 TMLR 接收。
AI 根据报道生成 · 10 小时前更新
最新进展11月2日 16:04
研究团队提出Epi2Diff框架量化试题难度，论文已被TMLR接收。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- AITNT · AI头条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。
本事件热度走势
当前热度 8·可比范围峰值 10（11月2日 17:00）·近 24 小时可比范围变化–
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。