Cluck & Cash In: Your Guide to the Thrilling – and […]

本研究提出了自适应难度课程学习和专家指导自我改写两种策略，以提升大型语言模型在复杂问题上的推理能力。实验结果显示，这些策略显著改善了模型在数学推理基准上的表现。

本研究提出了一种新方法，解决大型语言模型去学习过程中的可解释性问题。通过引入记忆去除难度指标，优化去学习算法，显著提高了效率和有效性。

本研究提出了一种新的双通道难度感知知识追踪框架（DDKT），旨在解决知识追踪模型在冷启动、个性化建模和决策透明度等方面的挑战。该框架结合大语言模型和检索增强生成技术，创新性地引入难度评估和知识状态更新机制，实验结果表明其在模型性能和可解释性上表现优异。

Embark on a High-Stakes Journey: Master the chicken roa […]

本研究探讨了多项选择题（MCQ）难度估计的问题，提出了一种利用大型语言模型的不确定性和文本特征的新方法，显著提高了预测准确性，并在公开数据集上取得了先进结果。