新研究探索用于 AI 题目难度预测的视觉证据表示方法

研究人员探索了在题目难度预测中表示视觉证据的方法，将视觉文本化（用语言表达图像）与原生图像建模（保留原始图像）进行了比较。在 Eedi 题目上使用 LLMs 和 VLMs，两种视觉方法都显示出潜力，其中 Open-VLM 文本化和对原生图像 VLMs 的更广泛适应产生了较低的 RMSE 估计值。研究表明，原生图像建模是文本化的可行替代方案，其有效性取决于 VLM 的适应性。 AI

影响 这项研究通过更好地理解和预测学习材料的难度，有望提高 AI 系统在教育环境中的准确性和效率。

排序理由 该集群包含一篇在 arXiv 上发表的研究论文，详细介绍了 AI 模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Eedi items
• Gotit.pub
• Hugging Face
• Influence Flower
• LLMs
• Open-VLM
• ScienceCast
• Vision--Language Models

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →