difficulty-prediction

本文提出在不执行昂贵 Rollout 的情况下预测 LLM 智能体的任务难度，在 17 个智能体基准上研究该问题，并表明 token 级熵是一种有用的预测信号。

介绍了Epi2Diff，一个将LLM推理轨迹映射为认知片段以预测人类题目难度的框架，其性能优于基线方法，并提供可解释的过程证据。