Bilanz der Quelle: Eine Studie vergleicht vier Schätzverfahren der Item-Response-Theorie unter realistischen KI-Benchmark-Bedingungen mit wenigen Modellen und sehr vielen Aufgaben. Marginale Maximum-Likelihood wird bei großen Aufgabenständen rechnerisch unbrauchbar, während Markov-Chain-Verfahren zwar stabil, aber teuer sind. Variationale Inferenz bei Aufgabenparametern bleibt unzuverlässig.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Kalina Digest unterstützen
Lesen bleibt frei. Wer mag, gibt etwas zurück — ab 1 € einmalig, oder als Stufe für einen Monat, ein Quartal oder ein Jahr. Bisher: 5.00 € aus 1 Beiträgen.
