Simulating student learning for better AI tutoring

通过模拟学生学习提升AI辅导效果 - 微软研究院

/.itemprop=publisher

/itemprop=image

通过模拟学生学习提升AI辅导效果

发布于2026年10月12日

作者：杨凯，博士生程-long 王，高级研究员Michel Galley，高级首席研究经理Chandan Singh，高级研究员Jeevana Priya Inala，高级研究员ChengXiang Zhai，伊利诺伊大学计算机科学系教授，贾建峰高，技术院士兼公司副总裁

分享本页

• 在Facebook上分享

• 在X上分享

• 在LinkedIn上分享

• 在Reddit上分享

• 订阅我们的RSS源

/#single-header

一目了然

• StudentSim 是一个用于在实际学习者测试前评估和改进AI辅导系统的研究系统；它不是产品，未在课堂部署，也不旨在取代教师

• AI辅导工具需要学生反馈来改进，但通过人类研究收集反馈速度慢、成本高且难以扩展

• StudentSim 从公开的、去标识的学习者记录中训练个性化AI学生模拟器，每个学生对应一个模拟器

• 该研究从两个教育相关维度评估模拟器：是否像特定学生一样响应，以及在导师指导后是否更新

• 在国际象棋、第二语言英语写作和数学领域，StudentSim 超越领先基准，并为训练AI辅导系统提供有用的反馈信号

在研究环境中，团队正在探索AI驱动的辅导系统如何帮助解释数学问题、建议写作作业修改或引导学习者分析国际象棋局面。然而，教学质量不能仅从导师的回答来衡量。导师需要知道指导传达给学生后会发生什么。学生是否纠正了原始错误？提示是否帮助他们推理出答案，还是透露了太多信息？不同的学生是否需要不同类型的帮助？在当今的AI辅导研究中，回答这些问题通常需要真实学习者研究。这些研究很有价值，但执行起来缓慢且成本高昂，这使得在快速模型迭代过程中难以利用学生反馈。

StudentSim 是一个创建个性化学生模拟器的AI系统，模拟学生如何回答问题以及在收到导师指导后如何改变答案。目标是在AI辅导系统开发过程中使学生反馈更易获取。该研究还引入了StudentSimEval，这是一个涵盖国际象棋、第二语言英语写作和数学的基准和评估协议。

重要的是，目标不是取代教师或课堂学习。相反，StudentSim 帮助研究人员在使用真实学习者测试前的研究和开发过程中评估和改进AI辅导系统。研究仅使用公开的、用于研究目的的学习者数据集，这些数据集包含去标识记录；在任何阶段均未使用任何个人身份信息。

图1：AI辅导系统需要学生反馈来改进。学生模拟器可以在研究阶段的训练和评估中近似部分反馈。它们提供早期研究信号，而非真实学习者测试的替代方案。

评估学生模拟器需要实现的目标

构建学生模拟器的一种简单方法是让大语言模型扮演学习者。例如，提示语可以写成：“你是一名在数学方面有困难的小学生。”模型可以调整语气并表达不确定性。更具挑战性的是保持学习者的真实能力边界。模型可能以年轻学生的语气发言，但其依赖的知识和推理能力远超该学生的水平。对于训练AI导师而言，这会产生误导性反馈：导师可能看似有效，因为模拟学生的能力过于强大。

传统学生建模方法面临不同限制。知识追踪和行为预测模型基于真实学习记录，能够估计学生的当前知识、技能和学习习惯。然而，许多此类模型并未设计为接受自然语言导师指导作为输入。它们可以描述学生已执行的操作，但未必能说明学生对特定解释、提示或苏格拉底式问题会如何反应。

StudentSim通过两个维度定义目标，这两个维度受到教育研究的启发。教育者通常区分学习者独立完成的能力与在支持下完成的能力。维果茨基的最近发展区理论捕捉到了当前独立表现与在指导下的表现之间的差距。StudentSim将这一理念转化为两个评估目标：行为保真度衡量模拟器在保留问题上的响应是否与特定学生的记录一致；指导响应性衡量模拟器在阅读导师指导后是否能更新响应。

图2：StudentSimEval评估模拟器是否匹配学生独立行为，以及是否对指导做出响应。

这两个目标相辅相成。仅匹配过去学生行为的模拟器可能对预测有用，但无法说明教学干预是否有效。始终遵循导师的模拟器可能反应流畅，但可能无法体现特定学生的优劣势和常见错误。AI导师训练需要两种信号：学习者的起点以及指导对学习者表现的影响。

从稀疏学生记录中训练个性化模拟器

StudentSimEval完全基于公开的、用于研究的去标识化学习者数据集构建。这些记录不包含任何个人身份信息，每个个性化模拟器仅使用其所代表学生的去标识化记录进行训练。

真实学生数据在个体层面通常较为稀疏。学习者可能仅提交少量文章、答案或互动记录。为每个学生从头训练独立模拟器会导致过拟合，并要求每个模型重新学习领域内的通用模式。

StudentSim采用两阶段训练流程。第一阶段，模型在相同领域内多个学生的记录汇总数据上进行训练。此阶段学习通用响应格式、常见错误以及学生在获得指导后常见的修改方式。第二阶段，模型针对单个学生的记录进行专业化训练，从而生成该学生的个性化模拟器。

图3：StudentSim首先从汇总记录中学习共享的学生行为，然后适配到每个学生的个人数据。

使用模拟反馈改进AI导师

该研究还测试了训练有素的学生模拟器是否能为导师优化提供反馈。在一项国际象棋导师强化学习研究中，导师收到一个棋局位置和真实学生之前错误的移动，然后生成指导。在此过程中，学生模拟器的参数保持固定，它会读取指导并生成修正后的移动。奖励基于学生之前移动到模拟器修正移动之间移动质量的提升，使用Stockfish作为独立的国际象棋引擎信号。

图5：StudentSim可以通过估计学生在指导后响应的变化，在AI导师强化学习过程中提供反馈。

该研究比较了三种条件：没有强化学习的监督微调导师、使用GPT-5.4作为模拟学生奖励源训练的导师，以及使用StudentSim作为奖励源训练的导师。所有条件使用相同的导师策略、监督起始点和强化学习设置。然后由人类国际象棋专家在不知道条件的情况下评估导师响应。

StudentSim奖励在所有报告维度上产生了评分最高的导师。使用StudentSim训练的导师达到90.5%的准确率，相比之下，无强化学习基线为75.7%，GPT-5.4奖励条件为71.6%。它在指导质量和个性化方面也获得更高的评分。这一结果证明了一个概念：基于真实学习者数据训练的学生模拟器可以为改进AI导师提供有用的反馈。

未来展望

StudentSim并未消除教育研究中对真实学习者的需求。人类研究对于衡量学习成果、安全性、可用性和课堂适应性仍然是必不可少的。学生模拟器的作用更多体现在开发过程的早期阶段：它们可以帮助研究人员测试导师策略、比较模型，并在进行更昂贵的真实学生研究之前优化训练信号。

更广泛的方向是构建能够从学生反应中学习的人工智能导师系统，而不仅仅是依赖专家撰写的解释或静态正确性标签。StudentSim展示了其中一条路径：利用真实的学习记录训练个性化模拟器，同时在独立行为和对指导的响应两个维度评估这些模拟器，并将其作为可扩展的反馈源用于导师训练。未来的工作可以将这种方法扩展到更长的学习轨迹、更多学科领域、更丰富的学生画像，以及将模拟反馈与实际学习成果相联系的研究。

论文和StudentSim的训练与评估代码（包括StudentSimEval协议）已公开发布。

来源

Paper

Code

Opens in a new tab

相关出版物

Card

StudentSim: 基于LLM的学生模拟器训练

认识作者

Card column wrapper

Card body

秦阳

博士生

伊利诺伊大学厄巴纳-香槟分校

Card footer

了解更多

王成龙

高级研究员

Michel Galley

高级首席研究经理

Chandan Singh

Jeevana Priya Inala

ChengXiang Zhai

计算机科学系教授，伊利诺伊大学

Jianfeng Gao

技术院士 & 首席副总裁

研究领域

• 人工智能