Estimating Difficulty Levels of Programming Problems with Pre-trained Model

随着各行各业和学术界对编程技能的需求增长，学生们经常会转向编程在线评测平台（Programming Online Judge，POJ）进行编程练习和竞赛。每个编程问题的难度级别是指导学生适应性学习的重要参考。然而，目前确定难度级别的方法要么需要大量的专家注释，要么需要很长时间来积累足够的学生解决方案。为了解决这个问题，我们提出了自动估计每个编程问题难度级别的问题，给定其文本描述和代码示例的解决方案。为了解决这个问题，我们提出将两个预训练模型（一个用于文本模态，另一个用于代码模态）耦合成一个统一的模型。我们为任务建立了两个POJ数据集，结果证明了所提出方法的有效性以及两种模态的贡献。

自动评估编程问题难度的问题

将文本模态和代码模态的预训练模型耦合成一个统一模型，用于自动评估编程问题的难度

论文构建了两个编程在线评测平台数据集，实验结果表明该方法的有效性和两种模态的贡献

近期相关研究包括：1. Automatic Problem Difficulty Prediction in Educational Programming Platforms Using Machine Learning Techniques; 2. Difficulty Level Prediction of Programming Problems using Machine Learning Techniques in E-Learning Platforms