[控场AI]
概念population difficulty

总体难度

指在给定问题集合上群体层面的作答表现统计量,如多个模型或多次采样的平均正确率、平均所需推理步数等,独立于单一模型单次输出。

时间轴 (近 90 天)

11月17日

扰动不一致性、语义熵和解长度与总体难度的关联强度显著高于词元级不确定性。

待验证50%
11月17日

即使仅分析模型正确回答的问题,扰动不一致性、语义熵和解长度与总体难度的关联依然显著。

待验证50%
11月17日

总体难度通常指在给定问题集合上群体层面的作答表现,例如多个模型或多次采样的平均正确率、平均所需推理步数等。

待验证50%

全部知识事实 (3)

来源文章