SkillEval 提出用认知诊断模型评估大模型技能画像
原文标题：SkillEval: Learning Interpretable Ability Profiles of LLMs via Cognitive Diagnosis Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 SkillEval 评估框架，利用大模型自身能力从题目中自动发现可解释技能，再借助心理测量学的认知诊断模型（CDM）估计模型在各技能上的能力。在 3811 个模型、9523 道题、五个基准上实验，所得画像比平均分更能预测未见题目表现，并可用于模型路由（推理成本降 60% 以上）与自适应测试。
- 问题
- 基准评测只给单个总分，忽略题目覆盖的技能差异。
- 方法
- 用大模型自动发现可解释技能，再用心理测量学认知诊断模型估计各技能能力。
- 结果
- 在 3811 个模型、9523 道题、五个基准上验证；用于模型路由时推理成本降 60% 以上。
- 影响
- 工程师可用技能画像做模型路由和自适应测试，直接省钱并提升效果。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SkillEval用认知诊断模型给出技能级画像，用于路由可降推理成本60%以上。
- •实验覆盖3811个模型、9523道题、五个基准（MATH、BBH、GPQA、MuSR、IFEval）
- •用LLM自动发现可解释技能，再用心理测量学CDM估计各技能能力
- •技能画像比平均分更能预测未见题目上的表现
- •下游路由任务在性能提升的同时降低推理成本60%以上，另可用于自适应测试
为什么重要：把基准分数从单一标量变成技能画像，对模型选型、路由与低成本评测都有直接用法。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。