Mar, 2025

基于大型语言模型的推理与采样增强的多项选择题难度预测

TL;DR本研究解决了多项选择题(MCQ)难度预测中的复杂性和干扰项合理性的问题。作者提出了一种新颖的两阶段方法,利用大型语言模型增强推理步骤,并通过采样知识水平评估不同学生的反应,以提高对选项的选择概率估计。实验结果显示,该方法显著提高了预测准确性,达到最高28.3%的均方误差降低和34.6%的决定系数提升。