arXiv cs.CL· Xiaomeng Xiong, Marcus Walker, Yanlin Jiang·2026-10-30 12:00· 4 小时前AI 评分35

利用大语言模型探索医学考试题目实证难度模式

What Makes Medical Examination Items Difficult? Using Large Language Models to Explore Patterns Associated With Empirical Item Difficulty

AI 导读

研究利用 Claude Opus 5 基于 USMLE 和 PANCE 的实证难度标签诱导难度评分标准。结果显示，表面特征并非主要难度来源，而是线索汇聚、误导性线索及选项竞争等模式主导难度。评分标准引导改变了模型对难度尺度的使用，但未一致提升判断性能，其价值更多在于生成可解释假设。

来源：arXiv cs.CL · arxiv.org