Epi2Diff 用大模型推理轨迹预测试题难度，获 TMLR 接收（在新窗口打开）
Epi2Diff 将大模型解题过程拆为八类认知片段，提取过程特征并结合题目语义预测人类作答难度。研究在四个测评数据集上报告结果，SAT数学主实验准确率为73.0%；方法仍依赖已有难度标签训练，也需要目标人群验证与专家复核。
搜索
关于“TMLR”的结果
共 3 篇
AI代写论文露馅？顶刊主编一问，作者啥都答不上来（在新窗口打开）
机器学习期刊TMLR联合主编Nihar B. Shah在轮值期间抽查10篇待拒稿论文，约作者面谈基础问题，结果3篇论文的作者连问题设定、符号含义都答不上来，10篇最终全部被拒稿，暴露出部分投稿者对自身论文缺乏实质理解的问题。
大语言模型真的会「推理」吗？一项系统性研究梳理 LLM 的结构性推理失败（在新窗口打开）
近期发表于 TMLR 的论文《Large Language Model Reasoning Failures》对这一问题进行了系统性梳理。该研究并未围绕 “模型是否真正理解” 展开哲学层面的争论，而是采取更加务实的路径 —— 通过整理现有文献中的失败现象，构建统一框架，系统分析大语言模型的推理短板。