본 논문은 기존의 전도적 예측 패러다임에 기반한 인지 진단 모델의 한계(계산 비용이 큰 재훈련 필요, 신뢰도 낮은 진단 결과)를 극복하기 위해 새로운 생성적 진단 패러다임을 제시합니다. 생성적 접근 방식을 통해 매개변수 재최적화 없이 유도적 추론으로 인지 상태를 추론할 수 있습니다. 구체적으로, Generative Item Response Theory (G-IRT)와 Generative Neural Cognitive Diagnosis Model (G-NCDM) 두 가지 모델을 제안하며, 실제 데이터셋을 이용한 실험을 통해 기존 방법 대비 성능 향상 (특히 신규 학습자 진단 속도 $\times 100$ 향상)을 보여줍니다. 이는 인공지능 분야, 특히 지능형 모델 평가 및 지능형 교육 시스템에 새로운 가능성을 제시합니다.
