最早的選題算法是基於洛德提出的最大信息量選題方法，測驗效率高，但項目曝光率極高。1985年，Sympson和Hetter第一個提出用條件概率方法來解決項目過度曝光問題，其基本思想是在項目選擇和最終分配之間加設一個曝光控製參數（Exposure Control Parameters），用來決定項目最終施測的概率。條件概率方法可有效控製過度曝光的項目，但並不能有效提高不太使用項目的使用率，後來有研究提出了一係列的改進方法，如按區分度a分層選題策略（Chang ＆ Ying，1999）和綜合區分度a和難度b分層的選題策略（Chang，Qian ＆ Ying，2001）。還有吸取a分層思想的動態分層方法。下麵簡要介紹條件概率方法、a分層方法和動態a分層方法。
一、條件概率方法
條件概率法（Sympson ＆ Hetter，1985），它是一種利用條件概率對項目曝光率進行控製的方法，其基本思想就是在項目選擇和最終分配之間，設置兩個概率和閾值來進行動態控製項目曝光。這兩個概率分別是P（S）和P（A|S），其中P（S）表示采用某種選題策略時某個項目被選擇的概率；P（A|S）表示被選題策略選中的項目被分配給被試的概率。P（A|S）被稱為曝光控製參數，這是因為：P（S）往往由選題算法、題庫和施測對象的分布所決定，基本上是不變的；由條件概率計算公式，可計算某一個項目被分配給被試的概率為P（A）=P（S）P（A|S），如果某一項目已經被選題策略選中，那麽要不要分配這個項目給被試則取決於P（A|S）。
P（A|S）往往通過模擬實驗動態進行調整。如在既定的題庫下，按照一定的選題算法和施測對象分布（如能力分布為正態分布），多輪模擬CAT施測過程，動態調整P（A|S），直到項目的最大曝光率不超過某一個預設值R為止。具體來說，在每次模擬研究結束時，可得到各個項目被選題策略選中的概率P（S），各個項目被分配給被試作答的概率P（A）。對於那些較少被選中的項目，即P（S）≤r，在下一輪模擬過程中，這些項目的曝光控製參數P（A|S）可以設置為1，仍可保證P（A）=P（A|S）P（S）≤r，以增加這些項目的曝光率；對於那些頻繁被選中的項目，即P（S）＞r，可以將曝光控製參數P（A|S）設置為r/P（S）。直到所有項目的曝光率P（A）不超過某一個預設值R為止，整個模擬過程終止，並將最終得到的曝光控製參數P（A|S）用於類似模擬情景的真實測驗情景。