Epi2Diff 用 AI 推理軌跡預測試題難度

方法設計原理

Epi2Diff 的核心思路，是把大模型解題時產生的推理軌跡拆分為一個個認知片段，再結合題目本身的內容，預測人類作答該題的難度。整個過程僅利用大模型生成的中間推理步驟來建模認知負荷。

方法不依賴人工標註，也不需要人類作答行為數據，與傳統依賴實測答對率的難度標定方式相比，測試成本大幅降低，試題難度亦可在正式使用前預先評估。

四項測評表現

研究在 SAT 數學、SAT 閱讀與寫作、Cambridge 及 USMLE 四個真實測評數據集上比較各方法。Epi2Diff 在單次主實驗的各項指標中均排名第一，其中 SAT 數學難度分類準確率達 73.0%，比最強基線高 3.2 個百分點。

四個數據集涵蓋學科測驗、語言測試與醫學執業考試，難度性質各異，方法在不同題型上保持穩定表現，顯示其預測難度的方式具備一定通用性。

教育應用前景

研究發表於機器學習期刊 Transactions on Machine Learning Research（TMLR）。對教育界而言，無需考生實測即可評估題目難度，意味著出題者可以在題目公開前調整難度梯度，組卷與評估效率均可提升。

方法同時為認知建模提供了新角度：大模型的解題過程被用作人類認知負荷的近似指標，這一思路亦可延伸至自適應學習系統與個性化題目推薦等應用。