Epi2Diff：基於大模型推理軌跡認知片段預測人類題目難度

本文提出 Epi2Diff 框架，旨在解決教育評估中人類題目難度預測的難題。傳統方法依賴昂貴的人工校準或僅利用題目文本語義，難以捕捉解題過程中的認知負擔。Epi2Diff 利用大型推理模型（LRM）生成的推理軌跡，將其映射為具有認知意義的片段序列，透過建模推理規模、努力分配及狀態轉換來量化難度。在四個真實人類難度資料集上的實驗表明，該方法顯著優於微調小語言模型、LLM 上下文學習及監督微調基線。在 SAT 衍生基準上，其相對增益達 8.1%。分析顯示，高難度題目引發更多迭代性和實施中心型的認知片段動態，而非單純延長回答長度，為教育測量提供了可解釋的新視角。