开放权重LLM预测医学试题难度研究
热点事件持续更新
开放权重LLM预测医学试题难度研究
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年10月30日，arXiv Artificial Intelligence 刊出 Xiaomeng Xiong 等人的研究，采用与以往不同的思路：让开放权重大语言模型分别充当评委和模拟考生，在与试题交互过程中提取难度相关信号，用于预测医学试题难度。研究以 USMLE 和 PANCE 试题为对象，最佳配置在 USMLE 上取得 Spearman 相关系数 ρ = .447，超过 2024 BEA 共享任务最佳系统的 ρ = .25；在 PANCE 上为 ρ = .494。报道未说明该方法的适用边界、使用条件或发布时间之外的限制。目前进展停留在论文发布与指标报告层面，尚无后续跟进报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 12:00
用开放权重 LLM 作评委与考生预测医学试题难度报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv Artificial Intelligence用开放权重 LLM 作评委与考生预测医学试题难度
研究让开放权重 LLM 分别充当评委和模拟考生，从 USMLE 与 PANCE 试题中提取难度信号，最佳配置在 USMLE 上达到 Spearman 相关系数 ρ = .447，超过 2024 BEA 共享任务最佳系统的 ρ = .25，在 PANCE 上为 ρ = .494。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。