热点事件持续更新

SkillEval：LLM技能级评估框架

1 篇报道1 个报道来源18 小时前更新

先了解这件事

AI 综述

2026年10月22日，arXiv Artificial Intelligence 刊出由 Berke Arda 等作者提出的 SkillEval 评估框架。该框架借助 LLM 的元认知能力从题目中自动发现可解释技能，并用心理测量学中的认知诊断模型（CDM）估计 LLM 的分技能能力，从而进行跨模型、技能级分析。研究在 MATH、BBH、GPQA、MuSR、IFEval 五个基准的 9,523 道题上评估了 3,811 个 LLM，结果显示所得模型画像比传统平均分更校准、更能预测未见题目表现；在 LLM 路由任务中，该方法在提升性能的同时将推理成本降低 60% 以上。目前进展为框架提出与实验验证，尚无后续跟进报道。

AI 根据报道生成 · 3 小时前更新

最新进展10月22日 12:00

SkillEval：用认知诊断模型学习 LLM 的可解释能力画像

报道时间线

沿着报道，了解事件的不同侧面。

10月22日

12:00
arXiv Artificial Intelligence
SkillEval：用认知诊断模型学习 LLM 的可解释能力画像
SkillEval 框架借助 LLM 的元认知能力从题目中自动发现可解释技能，并用心理测量学中的认知诊断模型（CDM）估计 LLM 的分技能能力。研究在 MATH、BBH、GPQA、MuSR、IFEval 五个基准的 9,523 道题上评估了 3,811 个 LLM，所得模型画像比传统平均分更校准、更能预测未见题目表现。在 LLM 路由任务中，该方法在提升性能的同时将推理成本降低 60% 以上。

本事件热度走势

可比范围当前: 6
可比范围峰值: 710月23日 03:00
近 24 小时变化: –

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。