标签
本文针对变分贝叶斯变量选择下的部分探索性因子分析（PEFA），开发了后选择拟合评估方法，提出了绝对与相对拟合诊断指标以及一种用于因子数选择的无尺度增益规则，并通过仿真和实证案例进行了验证。
本文研究了前沿大语言模型是否表现出个体化元认知——即超越共享信号评估自身项目级别能力的能力。通过对20个模型和六个基准进行因子分析和成对校准，作者未发现此类元认知的证据；置信度差异归结为一个单一的共享难度因子，表明模型依赖于共同的难度信号而非模型特定的自我认知。