标签
本研究利用脑电图探究词汇类别中单词可预测性如何影响N400脑响应，结果显示内容词比功能词表现出更大的N400差异，且解码技术优于传统的ERP分析。
本文介绍了KyrgyzLLM-Bench，这是一个用于评估吉尔吉斯语大语言模型的基准测试套件，包含原生创作和翻译数据集，并对26个模型进行了系统评估。
本文介绍LEXIC，一种轻量级方法，通过将预计算的词级难度信号（GPT-2意外值、词频、词长）注入仅眼动模型中，用于阅读理解预测，在EyeBench基准上相比基线略有提升。
本文评估了42个大语言模型在测量阅读理解评估中题目区分度的能力，发现其与人类校准指标弱相关，并指出这是心理测量评估中的一个开放挑战。
本文提出MAFIG，一种多智能体框架，利用LLM智能体和特征特定的评估器，通过遵循指定的特征约束来生成难度可控的阅读理解题目。实验表明，与基线方法相比，MAFIG在约束满足率和稳健的难度控制方面表现出显著优势。
本文提出对Transformer编码器进行端到端微调，用于多项选择阅读理解项目的无响应项目难度建模，包括组件变体和多任务变体，表明多任务学习在小样本情况下有所改进。