微软做了个“AI 学生”：先替真人试课，再判断 AI 导师讲得好不好

微软研究院 10 月 12 日发布了一个叫 StudentSim 的研究系统，想解决 AI 辅导工具开发中的一个难题：在没有大规模真人实验的情况下，怎么判断一段讲解、一个提示或一次提问，是否真的帮学生进步了。

传统 AI 导师往往只看“答案对不对”，但教学效果还取决于学生有没有听懂、能不能自己纠错，以及不同学生是不是需要不同的讲法。找真人做学习实验能回答这些问题，可又慢又贵，规模也上不去，跟不上模型迭代的速度。

StudentSim 的做法是，用公开且已去标识化的学习记录，给每个学生训练一个个性化的“AI 学生模拟器”。它不只模拟学生怎么独立答题，还模拟学生听完讲解之后的反应变化。

研究团队用两个指标衡量模拟器：行为保真度，看它答题是否像那个特定学生；指导响应性，看它在被辅导后能否合理更新答案。训练分两步，先从同领域大量学生的匿名数据里学常见答题方式、错误类型和受辅导后的修改模式，再针对单个学生的有限记录做个性化适配。研究覆盖国际象棋、第二语言英语写作和数学三类任务，还推出了 StudentSimEval 评测基准。

结果在三个领域都优于主要基线。以国际象棋为例，行为保真度 0.5150、指导响应性 0.9067，都高于 GPT-5.4 和专用棋类模型 Maia2。在 AI 象棋导师的强化学习实验中，用 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 不是课堂产品，也不打算取代老师。它的定位是在真实学生测试之前，给研究者提供一个低成本、可扩展的早期反馈信号。