微软造出“AI 学生”：替真人试课，模拟学生优化 AI 导师

微软研究院于10月12日推出了一套名为StudentSim的研究系统，旨在攻克AI辅导工具开发中的核心难题——在缺乏大规模真人实验的前提下，如何准确判断一段讲解、提示或提问是否真正促进了学生的学习进步。

传统AI导师通常仅关注“答案是否正确”，但教学效果还涉及学生是否真正理解、能否纠正自身错误，以及不同学生是否需要差异化的辅导支持。对真实学习者的研究虽能回答这些问题，但过程耗时、成本高昂且难以规模化，从而限制了模型的快速迭代。

为此，微软研发了StudentSim系统，该系统利用公开且去标识化的学习者数据，为每位学生训练一个个性化的“AI学生模拟器”。它不仅模拟学生独立作答的过程，还能模拟其在接收导师讲解后行为的变化。

研究团队通过“行为保真度”和“指导响应性”两个指标评估模拟器：前者检验模拟器是否像特定学生一样答题，后者则检验其在接受辅导后能否合理更新答案。

该系统采用两阶段训练方式：首先从同领域大量学生的匿名数据中学习常见的答题方式、错误类型及辅导后的修改模式，然后针对单个学生的有限记录进行个性化适配。研究覆盖了国际象棋、第二语言英语写作和数学三类任务，并推出了StudentSimEval评测基准。

结果显示，StudentSim在三个领域均优于主要基线模型。以国际象棋为例，其行为保真度达到0.5150，指导响应性达到0.9067，均高于GPT-5.4与专用棋类模型Maia2。

在AI象棋导师的强化学习实验中，基于StudentSim反馈训练的导师准确率达到90.5%，高于无强化学习基线的75.7%和使用GPT-5.4模拟反馈的71.6%。

微软强调，StudentSim并非课堂产品，也不旨在取代教师；它是在真实学生测试前，为研究者提供低成本、可扩展的早期反馈信号。用户若想了解更多，可访问爱游戏官网获取相关资源。IT之家附上参考地址。

• StudentSim: Training LLM-based Student Simulators