该文章提出了一种增强知识追踪模型性能的新技术，通过关注问题难度和概念难度级别。作者提出了面向困难层面的对比学习方法和基于大型语言模型的困难量预测框架。消融研究证明了这些技术的有效性，但语言和困难之间的关系仍需进一步研究。

该研究提出了一种新技术，通过关注问题难度和概念难度级别来增强知识追踪模型的性能。研究发现困难层面对模型优化很重要，但先前的研究未能利用其潜力并在未知数据中预测困难量。为解决这些问题，研究提出了面向困难层面的对比学习方法和基于大型语言模型的困难量预测框架。消融研究证明了这些技术的有效性，但语言和困难之间的关系仍需进一步研究。