ИИ в образовании 2026-08-09

ИИ-репетитор сразу выдаёт ответ: учителя оценили семь моделей — почти ни одна не заставила ученика работать

Allen Institute for AI 7 августа выпустил TutorMoments — бенчмарк на основе 462 обезличенных расшифровок индивидуальных занятий по математике с американскими школьниками 2–7 классов, собранных в программе интенсивного репетиторства для школ с низким доходом. Опытные учителя математики отметили в этих записях более 1500 моментов, где репетитору приходилось выбирать: упростить задачу, чтобы было легче начать, или вернуть размышление ученику. Затем в те же моменты поставили семь моделей — Gemini 2.5 Pro, Gemini 3.5 Flash, Claude Opus 4.8, Claude Sonnet 4.6, GPT-5.5, GPT-5.4 mini и DeepSeek V4 Pro. При обычной подсказке, без объяснения, каким бывает хорошее репетиторство, оценки по строгости падали до 0,023–0,046: модели почти никогда не просили ученика поработать. Когда им прямо сказали, что именно измеряется, все заметно улучшились — Gemini 2.5 Pro достиг 0,896 по уместной поддержке, Claude Opus 4.8 — 0,831 по строгости, Claude Sonnet 4.6 — 0,913 по отказу от избыточной помощи, — но разрыв сохранился. Ai2 опубликовал технический отчёт, набор данных и код.

Почему это важноИсследование измеряет ровно то, что действительно тревожит родителей и учителей, и переводит это в цифру. Базовый инстинкт чат-бота — быть полезным, а в репетиторстве максимальная полезность и есть форма провала: ученик уходит с решённой задачей и без нового навыка. Почти нулевые оценки строгости на простой подсказке говорят, что заводская настройка всех крупных моделей — «дай, я сам сделаю». Хорошая новость во второй половине результата: те же модели становятся заметно лучше, если попросить их сдержаться. Это вопрос подсказки, системного сообщения, продуктового решения. Поэтому если ваш ребёнок или ваш класс использует обычный чат-бот как репетитора, указание «учи, а не решай» — не приятное дополнение, а вся разница целиком.

✓ Проверено · 2 источников

Читайте в приложении — бесплатно, 9 языков

ИИ-репетитор сразу выдаёт ответ: учителя оценили семь моделей — почти ни одна не заставила ученика работать

Похожие новости