用途
该技能面向自适应测试（adaptive testing）与学生答题预测任务。任务形式为：
- 输入：训练矩阵 answers（n_train, Q），取值 1 表示正确、0 表示错误、-1 表示未作答；可选提供题目学科信息与学生元数据。对于待预测的学生，给出 can_query（n, Q）布尔矩阵（允许被揭示的单元格）与 targets（n, Q）布尔矩阵（需要预测的单元格）。
- 任务声明了一个查询工具，可揭示某名学生对指定题目 id 的作答，每名学生有查询预算上限（配套基准中为 10）。
- 交付物：int 数组（n, Q），在每个目标单元格上取 0 或 1，其余位置为 -1。
- 质量指标：所有目标答案上的准确率（组织方在 10 组查询/目标掩码上取平均），越高越好。参考基线为：预测每道题在训练集中最常见的正确性。
主要能力
技能提供两条实现路径。
基于 scilib.adaptive 的两参数 IRT
- fit_item_curves(answers)：以边际似然 EM 拟合题目曲线，数千名学生规模下耗时数秒。
- ability_posterior：能力后验。
- predict_proba(model, revealed)：预测正确概率。
- select_queries(model, can_query, revealed, k, budget, method="batch"|"bald")：选择查询题目，支持 batch 与 BALD 两种方法。
- predict(model, revealed, targets)：对目标单元格进行预测。
- merge_revealed：合并已揭示结果。
- model 可以是训练矩阵本身（拟合结果按进程缓存）。
类型化算子
- irt_item_response_fit
- irt_adaptive_question_selection
- irt_correctness_prediction
使用方式
推荐模式：将预算拆分为若干轮。
- 第 1 轮：select_queries(answers, can_query, [], k1)；执行查询。
- 第 2 轮：select_queries(answers, can_query, [rev1], k2)；执行查询。
- 最后：predict(answers, [rev1, rev2], targets)。
选择过程是确定性的，且 k 对应的列表是更大 k 对应列表的前缀。
在消耗真实查询之前，建议先在留出的训练学生上模拟整个流程（随机隐藏其已作答单元格的 20% 作为目标，从其余单元格中查询），以比较随机选择、BALD 与 batch 选择相对于多数类参考基线的表现。
适用场景
适用于需要从大规模“学生×题目”正确性矩阵出发、在有限查询预算下预测学生未揭示答题结果的场景，例如自适应测验、诊断性选择题预测等。
限制与注意事项
- 预算按整个求解过程中被揭示的不同单元格计数，包括探索性或后续被丢弃的调用。
- 查询前应固定轮数与每轮规模：改变 k 或轮次计划会改变后续轮次请求的单元格，可能超出预算。
- 只有已作答且非目标的题目可被查询；不得尝试读取待预测学生的目标答案或标签，题目曲线只能基于训练矩阵拟合。
- 每次查询调用只返回其自身单元格的 revealed 数组（-1 未揭示、0 错误、1 正确）。应保留每个数组并以列表形式传入；不要传入 revealed_values（所选选项 1-4），那是另一种编码。
- 每名学生的证据仅约 10 个答案，因此相对于多数类参考基线的准确率提升有限，且在几十名学生的规模上噪声较大；报告增益时应同时给出样本量。