WWW（The Web Conference，万维网会议）是互联网和万维网技术领域最具影响力的会议之一。每年吸引全球范围内的学者、研究人员、行业专家和从业者，分享和讨论最新的研究成果、技术和应用。
论文题目：Simulating Question-answering Correctness with a Conditional Diffusion
作者：Ting Long, Liang Yin, Yi Chang, Wei Xia and Yong Yu
收录会议：WWW 2025（CCF A）
论文概述：
问答（QA）模拟器是一种用于模拟学生答题行为的模型。通过利用学生的历史答题数据来估计正确回答新推荐问题的概率，该模拟器使教育推荐系统能够在模拟环境中进行训练，从而保护学生免受低质量推荐可能带来的负面影响。尽管 QA 模拟器在教育场景中具有重要意义，但在人工智能研究领域中，其构建尚未得到充分探索。现有方法主要依赖知识追踪（Knowledge Tracing, KT）模型来构建模拟器。然而，由于 KT 任务与模拟任务之间存在差异，这些基于 KT 的模拟器容易导致严重的偏差累积，从而限制了其性能表现。为此，本文提出了一种基于扩散的模拟器（Diffusion-based Simulator, DSim）方法，利用扩散机制来缓解偏差累积问题。据我们所知，DSim 是首个专注于在教育场景中构建 QA 模拟器的方法。广泛的实验结果表明，DSim 在模拟任务中具有良好的效果。
