研究揭示知识追踪模型参数恢复缺陷

2026年10月21日，Wenrui Yuan等人在arXiv发布研究，指出知识追踪模型中预测精度不保证项目参数（如区分度）的准确恢复。该研究强调需将参数评估与响应预测分离，而非仅依赖测试精度。 实验显示，搭配LSTM或Transformer编码器的2PL等模型中，难度和阈值恢复稳健，但区分度和斜率恢复需更宽的项目表征，且受固定顺序影响显著。这揭示了传统解码器在参数恢复上的局限性。 研究引入序列表征宽度$d_S$与项目参数键宽度$d_M$分离机制（如SK(64,8)），能在不牺牲测试精度的前提下提升跨顺序一致性，为校准项目参数提供了新方法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。