本研究提出了一种基于内容的题目难度预测模型，旨在降低语言模型评估的成本并提高可靠性。通过适应性测试生成题目，提升了评估效率和精准度。实验结果表明，该方法在22个自然语言基准和172个语言模型中表现优越。
完成下面两步后，将自动完成登录并继续当前操作。
