AI 会解题不等于会教人。微软研究人员尝试先用真实学习记录训练“AI 学生”再借助模拟反馈改进 AI 辅导方法。一道数学题孩子把负数乘法算成了正数。你可以直接告诉他正确答案也可以提醒他“先别急着算数字想想负号应该放在哪里。”两种讲法都可能得到正确答案但效果未必一样。前者让孩子知道这道题错了后者有机会帮他弄清楚自己究竟错在什么地方。这也是 AI 辅导工具很难回答的一个问题会解题和会教人解题是两回事。现在的 AI 已经可以解释知识点、修改作文甚至陪学生做题。可是研究人员怎样判断它给出的提示真的有帮助总不能每改一次模型就立刻找一批真实学生来上课、收集反馈。微软研究院最近公布的 StudentSim采用了一条不同的路线先训练能够模拟学习者错误与修改行为的“AI 学生”再利用它们的反馈改进 AI 辅导方法。10 月 12 日微软研究院在官方博客介绍了StudentSim。它不是一款已经进入学校的 AI 教学产品而是用来研发和评估 AI 辅导系统的研究框架。相关论文于今年 9 月公开训练和评估代码也已开源。AI 老师最大的问题也许不是讲错了想判断一位老师教得好不好不能只听他讲课。一个解释在逻辑上完全正确学生仍然可能没听懂一个提示太直接学生可能当场答对却没有真正掌握方法。不同学生需要的帮助也不一样有人差的是基础概念有人只是漏看了一个条件。目前很多 AI 评测更容易衡量答案是否正确却很难捕捉“教学建议传递给学生之后学生发生了什么变化”。真人参与的教学实验当然可以回答部分问题但组织研究、收集反馈和反复测试都需要时间和成本。StudentSim 试图补上这段缺失的反馈。它模拟的不是“一个泛泛的小学生”而是某个学习者在特定任务中可能怎样作答以及读完指导后会怎样修改答案。图 1教学效果不能只看 AI 的回答还要观察学习者接受提示后的反应。此图为原理示意。为什么不直接让大模型扮演学生这个问题看起来很容易解决。给大模型一段提示词“现在你是一名数学基础不好的学生请像孩子一样答题。”不就行了难点在于一个模型可以模仿孩子说话却未必真的只会孩子会的知识。它可能装作犹豫、写出一些幼稚的语气词可一遇到难题仍然调用远超目标学生水平的推理能力。用这样的“学生”测试 AI 老师容易出现假象明明是模拟学生过于聪明结果却被当成老师讲得好。传统的学生能力预测模型也有另一种局限它们可以从答题记录里推测学生掌握了哪些知识却不一定擅长理解一段自然语言的讲解并据此模拟学生之后的反应。微软提出两个评估维度行为保真度Behavioral Fidelity模拟学生的回答能在多大程度上接近某个真实学习者的历史表现指导响应度Guidance Responsiveness给它一段讲解或提示后它会不会像学习者一样调整答案这两个条件缺一不可。只会复现过去的错误不算真正响应教学任何提示一来就立即答对也称不上可信的学生模拟。这些“AI 学生”到底从哪里来StudentSim 并不是凭空编造几十个学生的人设。研究人员使用了公开提供、用于研究且经过身份信息去除处理的学习记录涵盖国际象棋、英语作为第二语言的写作以及数学。论文中的 StudentSimEval 评估覆盖这三个领域的60 名学习者。这里的“60”是研究数据中的学习者数量不代表已经有 60 名 AI 学生走进了真实课堂。训练分为两步。第一步把同一领域不同学习者的记录放在一起让模型学习这一学科里常见的回答方式、典型错误以及接受指导后的修改模式。第二步再用某位学习者自己的少量记录进行专门适配得到与其学习表现更接近的个性化模拟器。图 2先学习一类学生的共性再用某位学习者的去标识化记录适配。图示是简化后的研究流程。这样得到的模拟器目标不是拥有一个“虚拟孩子”的完整人格而是重现特定学习任务中的答题表现与接受指导后的变化。这也是我觉得这项研究比较巧妙的地方它没有要求 AI 假装懂教育而是尝试用真实数据约束“AI 学生”究竟能懂多少。AI 老师真的因此教得更好了吗研究中有一项国际象棋实验比较直观。研究人员给 AI 辅导模型一个真实棋手曾经下错的局面让它提出提示固定参数的 StudentSim 读完提示模拟棋手下一步可能如何调整。研究再借助国际象棋引擎 Stockfish 评估走法质量的变化把这个信号用于优化 AI 辅导模型。之后国际象棋专家在不知道模型来自哪个训练条件的情况下评价辅导内容。微软披露在这项专家评价中使用 StudentSim 反馈训练的辅导模型其指导内容准确率为 90.5%未使用这类强化学习的对照组为75.7%使用 GPT-5.4 作为模拟反馈来源的对照组为71.6%。研究还报告了教学指导质量和个性化程度的优势。图 3数据来自微软公布的国际象棋辅导实验衡量的是专家对 AI 指导内容的评价并非真实学生成绩或课堂教学通过率。不过这里必须把话说清楚90.5% 不是“学生学会了 90.5% 的知识”也不是 AI 老师在真实学校取得的教学成绩。它说明在研究设定的国际象棋任务中用更贴近学习者行为的模拟反馈来训练辅导模型取得了更好的专家评价。这个结果有价值但距离证明它能提高真实学生的长期学习效果仍然有明显距离。能不能靠“AI 学生”取代真实学生测试不能。微软研究团队对此写得很明确。真实学生在课堂上的表现不只是一次答题是否正确。学习动机、疲劳、情绪、师生互动以及几周甚至几个月之后是否还能记住所学内容都不容易由当前的模拟器完整呈现。StudentSim 主要关注有记录可对照的学习行为以及接受提示后的短期反应。把模拟器的表现直接当作真实教学效果反而会让评估走向新的偏差。因此更稳妥的定位是先在研究环境里用“AI 学生”筛选和改进辅导策略再用真实学习者测试效果、可用性与安全性。这与研发软件时先做模拟和测试、再进入实际环境有些相似但孩子不是软件。最终教得好不好还是要看真实学习过程。比“AI 能不能当老师”更值得问的问题过去讨论 AI 教育大家总在问AI 能不能写教案、出试卷、讲难题这些问题重要却都围绕着 AI能做什么。StudentSim 提供了另一个观察角度一段正确的讲解是否真的帮助了原本不会的人如果 AI 辅导系统未来能根据学习者的真实反馈不断改进它才可能从“随时有答案的助手”往更有针对性的辅导工具迈出一步。这项工作目前只是研究验证并没有解决教育中所有复杂的问题。但它至少提醒我们衡量 AI 教学不能只看它自己答得有多好。真正需要检验的是听完讲解的人有没有学会。技术边界看懂技术也理解它的边界。*说明文中负数乘法的例子参考微软官方用来解释 StudentSimEval 的示意场景并非真实课堂个案。参考资料均为微软官方或研究团队原始发布Microsoft Research BlogSimulating student learning for better AI tutoring2026-10-12Microsoft Research PublicationStudentSim: Training LLM-based Student Simulators2026-09Microsoft GitHubStudentSim 开源研究代码研究团队项目站StudentSim