選題策略直接影響測試過程的高效性和測試結果的精確性，同時還會影響題庫的使用效率，因此選題策略一直是CD-CAT研究的主要內容。
一、測驗初始階段的選題策略
選題策略的研究經常分初試階段的選題策略和精確估計階段的選題策略。在選題的初始階段，由於缺少足夠的信息，因此很難對被試做出有意義的判斷。但是，初始階段的測試信息可以為下一步精確估計階段的選題提供基礎。在傳統的IRT-CAT測試中，初始階段的題目一般是選擇中等難度附近的題目，為後續選題提供關於被試能力水平的初步定位信息。在CD-CAT中，初始階段的題目的主要功能應該也是為後續選題提供初步定位信息。但CD-CAT的定位信息主要是關於被試屬性掌握模式的信息。塗冬波、蔡豔和丁樹良（2012）的研究結果認為，在CD-CAT的初始階段，基於屬性可達矩陣選擇題目能夠為後續選題提供關於被試屬性掌握狀態的較好的定位信息。
其實，顏遠海、丁樹良和汪文義（2011）與彭亞風等人（2016）的研究結果均認為，在對被試屬性掌握模式的整個判斷過程中，根據屬性可達矩陣進行選題是保證判別分類結果精確性和高效性很好的原則。當然，除了題目的屬性組合模式之外，題目的測量學參數也是影響測量結果精確性和高效性的關鍵因素。
二、測驗精確估計階段的選題策略
測試結果的高效性和精確性是選題策略關注的焦點，測試結果的精確性主要是通過信息量大小來進行衡量的。在參數的精確估計階段，指導選題策略的信息量指標有很多種，下麵介紹幾種受到較多關注的信息量指標。
一是基於KL散度（Kullback-Leibler divergence，請參見後文詳解）的選題策略，即根據被試當前屬性掌握模式的估計值，每次從題庫或剩餘題庫中選擇使KL散度最大的項目施測。我們在很多文獻中已經習慣將KL散度與KL信息量混合使用，KL散度是兩個概率分布之間的偏離程度。對於兩個離散變量概率分布P和Q，KL散度定義為：