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%