一种基于LLMs大型语言模型的开放式阅读理解问题难度估计方法及系统

本发明公开了一种基于LLMs大型语言模型的开放式阅读理解问题难度估计方法及系统，主要是以多能力异构的LLM作为预测试被试，教师代理依据自动化指标评分并经单调概率校准，将分数映射为近似正确概率；在IRT框架下由专家代理通过EM联合估计被试能力θ与题目难度β，支持EM极大似然求解，并按模型置信度对题目难度进行加权聚合及连续难度的K级离散化标注；进一步通过顺序一致性与加权一致性的自对弈验证检验“难度序—得分序”的单调关系，从而实现无人工的质量验收与回溯。本发明在统一理论尺度与可解释性的前提下，具备并行友好、近线性扩展的工程特性，并提升稳健性与泛化能力；所得难度标签近似正态分布，更有利于组卷与分层教学。