AI ट्यूटर सीधे जवाब थमा देता है: शिक्षकों ने सात मॉडलों को परखा, लगभग किसी ने छात्र से मेहनत नहीं करवाई
एलन इंस्टिट्यूट फ़ॉर AI ने 7 अगस्त को TutorMoments जारी किया — यह एक बेंचमार्क है जो अमेरिका में कक्षा 2 से 7 तक के छात्रों के साथ हुई 462 पहचान-रहित एक-पर-एक गणित ट्यूशन बातचीत पर बना है। ये रिकॉर्ड कम-आय वाले स्कूलों के लिए चलाए जा रहे एक सघन ट्यूशन कार्यक्रम से लिए गए हैं। अनुभवी गणित शिक्षकों ने इनमें 1,500 से अधिक ऐसे क्षण चिह्नित किए जहाँ ट्यूटर को चुनना पड़ता है: सवाल आसान कर दे, या सोचने का काम छात्र पर छोड़ दे। फिर सात मॉडलों को उन्हीं क्षणों में रखा गया — Gemini 2.5 Pro, Gemini 3.5 Flash, Claude Opus 4.8, Claude Sonnet 4.6, GPT-5.5, GPT-5.4 mini और DeepSeek V4 Pro। बिना यह बताए कि अच्छा ट्यूशन कैसा होता है, सादे प्रॉम्प्ट पर मॉडलों का 'कठोरता' स्कोर 0.023 से 0.046 तक गिर गया: उन्होंने छात्र से लगभग कभी काम नहीं करवाया। जब स्पष्ट बताया गया कि क्या मापा जा रहा है, तो सभी मॉडल तेज़ी से सुधरे — उचित सहारे में Gemini 2.5 Pro 0.896, कठोरता में Claude Opus 4.8 0.831, अति-सहायता से बचने में Claude Sonnet 4.6 0.913 — फिर भी अंतर बना रहा। Ai2 ने तकनीकी रिपोर्ट, डेटासेट और कोड सार्वजनिक किए हैं।
संबंधित खबरें
दो साल तक स्कूल चैटबॉट को बाहर रखने की कोशिश करते रहे। अब वे उन्हें छात्रों के हाथ में देकर गलतियाँ पकड़ने को कह रहे हैं।2026-08-21दो शैक्षणिक वर्ष, 18 स्कूल, एक एआई ट्यूटर: बढ़त लगभग उतनी ही रही जितनी बिना एआई अभ्यास से मिलती है
2026-08-20एक विश्वविद्यालय प्रणाली ने 14,000 पाठ्यक्रम-विवरणों पर मॉडल तान दिया और उससे वर्जित विषय ढूंढने को कहा
2026-08-19ChatGPT अब अंदाज़ा लगाता है कि सामने बच्चा है या नहीं — और अगर उसे लगा कि हाँ, तो उत्पाद ही बदल जाता है
2026-08-18मेक्सिको का सबसे बड़ा विश्वविद्यालय हज़ारों उम्मीदवारों से प्रवेश परीक्षा दोबारा करा रहा है — इस बार कमरे में, कागज़ पर, जेबें खाली
2026-08-17