difficulty-aligned

#difficulty-aligned

KCSAT-ML: Probing Reasoning Models with Nationwide-Cohort Human Difficulty

arXiv cs.CL ↗ · 2026-06-10 Cached

该论文推出KCSAT-ML基准，包含十年韩国高考数学题及全国考生错误率，并提出难度对齐推理增益（DRG）指标，揭示模型错误与人类难度的对齐模式，展现相同准确率下截然不同的推理行为。

0 favorites 0 likes