در کارهایی که اخیراًً برروی CAT صورت گرفته، طراحی خزانه سؤال به صورت جدی مورد توجه قرار گرفته است. این مطالعات بر روی دو رویکرد عمده مبتنی هستند. رویکرد اول، توسط ولدکمپ و وندر لیندن (۲۰۰۰) ایجاد شده است، پژوهش‌های مرتبط با این رویکرد از روش برنامه نویسی ریاضی^[۴۵] برای طراحی خزانه‌ی سؤال استفاده می‌کنند. در این رویکرد فرض می‌شود که مجموعه بزرگی از سؤالات که “خزانه اصلی^[۴۶]” نامیده می‌شود، از قبل وجود دارد و تنها باید خزانه‌های قابل استفاده مورد نیاز، از آن انتخاب شود (بلو^[۴۷] و آرمسترونگ^[۴۸]، ۲۰۰۹؛ وندر لیندن، ادلاید آریل و ولدکامپ، ۲۰۰۶). در این رویکرد از”تست سایه^[۴۹]“(STA) برای طراحی خزانه سؤال استفاده‌ می‌شود، و از ویژگی‌های خزانه سؤال موجود به عنوان نقطه شروع استفاده می‌شود (وندر لیندن و ولدکامپ ،۲۰۰۰). به عبارت دیگر، CAT از طریق رویکرد تست سایه اجرا می‌شود و تست از طریق برنامه‌نویسی عدد صحیح خطی دو ارزشی^[۵۰] یا برنامه‌نویسی ۱-۰ سرهم می‌شود (وندرلیندن، ریس^[۵۱]، ۱۹۸۸). بعضی از مطالعات در این رویکرد به هدف طراحی با برنامه‌ریزی اعداد صحیح رسیدند (آریل، ولدکمپ و واندر لیندن، ۲۰۰۴). ولدکمپ و وندر لیندن، ۵ گام برای طراحی الگوی بهینه خزانه سؤال CAT با روش برنامه‌ریزی ریاضی، توصیف‌ کردند (ولدکمپ و وندر لیندن، ۱۹۹۹). در این رویکرد صفات و قیود سؤال مشخص می‌شوند، و سپس تست بر اساس آن ها سرهم می‌شود. وندر لیندن (۲۰۰۵)، سه نوع از صفات سؤال را از یکدیگر متمایز کرد، کمّی^[۵۲] ، طبقه ای^[۵۳] و منطقی^[۵۴]. صفات کمّی، صفاتی از سؤال هستند که به مقایر عددی سؤال مربوطند. مانند تعداد کلمات، تعداد پاسخ‌های ممکن، آماره‌هایی از قبیل مقادیر-p سؤال و پارامترهای IRT، و فراوانی استفاده‌ قبلی از سؤال. صفات طبقه‌ای، خزانه سؤال را به خرده آزمون‌هایی از سؤالات با صفت یکسان تقسیم می‌کنند. مانند طبقه محتوایی، چارچوب پاسخ سؤالات (برای مثال، پاسخ-باز یا چند گزینه ای)، و استفاده از مواد معین (برای مثال، نمودار یا جدول). صفات منطقی از صفات کمّی و طبقه‌ای متفاوتند، صفات منطقی مشخصات سؤالات یا آزمون‌های مجزا نیستند، بلکه صفات دوتایی، سه تایی و غیره سؤالات با یکدیگر می‌باشد. صفات منطقی شامل روابط ورود و خروج بین سؤالات و آزمون‌ها می‌باشد. یکی از این روابط خروج این است که اگر سؤالی راهنمای حلّ سؤال دیگری باشد باید در آزمون یکسانی قرار نگیرد. در این رویکرد ویژگی‌ها و صفات تست بر اساس یک تابع هدف^[۵۵] که در ارتباط با مجموعه‌ای از قیود^[۵۶] خاص بیشینه یا کمینه می‌شود، محقق می‌گردد. وندر لیندن توانست با بهره گرفتن از این روش ویژگی‌های بهینه خزانه سؤال را شبیه‌سازی کند(وندرلیندن، ۲۰۰۵). مزیت این روش این بود که طراح را قادر می‌ساخت تا ویژگی‌های پیچیده آزمون را مدل یابی کند. یک ‌مرتبه ویژگی‌های سؤالات را تعریف کند و آن ها را به عدد تبدیل کند، و سپس نرم افزار ویژه‌ای برای شبیه سازی خزانه سؤال بهینه تعبیه کند. با این وجود، خزانه سؤال طراحی شده با روش برنامه‌ریزی ریاضی به طور گسترده‌ای در انتخاب سؤال به روش تست سایه وابسته است و به دانش زیادی ‌در مورد نرم‌افزار بهینه‌سازی ویژه نیاز دارد. همچنین، بسته به روشی که صفات سؤال پارتیشن‌بندی می‌شوند، فضای طراحی می‌تواند بسیار بزرگ شود و فرایند شبیه‌سازی از لحاظ محاسباتی دشوار شود (گو و ریکیسی، ۲۰۰۷). یکی از محدودیت‌های بالقوه این رویکرد آن است که به نرم افزارهای جبر خطی از قبیل CPLEX و LINDO برای به دست آوردن راه‌حل بهینه نیاز دارد، که کاربرد این روش را اندکی دشوار می‌کند و ممکن است، کدها و معادلات آن برای اکثریت کاربران دردسترس نباشد، که در این صورت اگر برنامه نیاز به اصلاح و یا تغییر داشته باشد، کنترلی بر آن نداشته باشند و چه بسا این احتمال وجود دارد که همیشه راه ‌حل قابل اجرا و عملی^[۵۷] دردسترس نباشد (چانگ^[۵۸]، ۲۰۰۷؛ روبین^[۵۹] و همکارانش، ۲۰۰۵). همچنین محدودیت دیگر این رویکرد این است که، سؤالات از قبل در خزانه موجود هستند و از روی آن ها یک خزانه کوچک‌تر سرهم می‌شود (گو و ریکیسی، ۲۰۰۷) و در این رویکرد از ویژگی‌های یک خزانه‌ی سؤال موجود به عنوان نقطه شروع استفاده می‌شود (ریکیسی، ۲۰۱۰). البته استوکینگ و سوانسون (۱۹۹۳)، توانستند با بهره گرفتن از رویکرد برنامه‌نویسی خطی اعداد صحیح روشی را ایجاد کنند که در آن نیاز به استفاده از تست سایه در طراحی خزانه‌ی سؤال سنجش انطباقی وجود نداشته باشد. این روش برنامه‌نویسی خطی که به مدل انحرافات وزن‌دار^[۶۰] (WDM) معروف است، به طور گسترده‌ای به عنوان جایگزینی قوی به جای روش تست سایه استفاده می‌شود (استوکینگ و سوانسون، ۱۹۹۸). این روش در اصل توسط استوکینگ و سوانسون، ۱۹۹۳ به دلیل علاقه و نگرانی آن ها ‌در مورد کیفیت ضعیف خزانه‌های سؤال در سرهم کردن تست‌های متوالی در مقیاس بزرگ ایجاد شد. روش WDM به صراحت ویژگی‎های آماری و غیر آماری سؤال را با تعادل مطلوبی بین ویژگی‌های اندازه‌گیری و ساختاری در نظر می‌گیرد. این ویژگی‌ها به وسیله وزن‌هایی که توسط طراحان تست انتخاب می‌شود، می‌تواند در مدل وارد ‌شود. این روش برخلاف روش تست سایه، ویژگی‌های محتوایی را به عنوان اهداف^[۶۱] نه قیود^[۶۲] فرمول‌بندی می‌کند. به انحراف از اهداف محتوایی وزن داده می‌شود و در تابع هدف به همراه فاصله آگاهی سؤال از مقدار هدف^[۶۳] قرار می‌گیرد ‌بنابرین‏، محدودیت وابسته بودن رویکرد برنامه‌نویسی به روش تست سایه در ساخت خزانه‌های سؤال سنجش انطباقی با روش WDM برطرف می‌شود (استوکینگ، سوانسون و پیرمن^[۶۴] ، ۱۹۹۳).