教育中的AI 2026-08-09

AI 家教直接把答案递过去：教师给七个模型打分，几乎没有一个会把问题推回给学生

艾伦人工智能研究院（Ai2）8 月 7 日发布 TutorMoments 基准，素材是 462 份去标识化的一对一数学辅导记录，学生为美国 2 至 7 年级，来自一个面向低收入学校的高强度辅导项目。资深数学教师在这些记录中标注了 1500 多个关键时刻——在这些时刻，辅导者必须做出选择：是把题目变简单让学生更容易起步，还是把思考推回给学生。随后七个模型被放回这些时刻重演：Gemini 2.5 Pro、Gemini 3.5 Flash、Claude Opus 4.8、Claude Sonnet 4.6、GPT-5.5、GPT-5.4 mini 和 DeepSeek V4 Pro。在不告诉模型什么是好辅导的普通提示下，各模型在「严格度」上的得分低至 0.023 至 0.046：它们几乎从不要求学生自己动手。当明确告知评测标准后，所有模型都大幅提升——Gemini 2.5 Pro 在恰当支架上达到 0.896，Claude Opus 4.8 在严格度上达到 0.831，Claude Sonnet 4.6 在避免过度帮助上达到 0.913——但差距依然存在。Ai2 同时公开了技术报告、数据集和代码。

为什么重要?这项研究测的正是家长和老师真正担心的事，并且给出了数字。聊天机器人的默认本能是帮忙，而在辅导场景里，最大限度地帮忙恰恰就是失败：学生带走一道做完的题，却没有带走任何新能力。普通提示下接近零的严格度分数说明，所有主流模型的出厂设置都是「来，我替你做」。好消息在结果的后半段：同样的模型，一旦被要求克制，表现会好很多。这只是一句提示词、一条系统消息、一个产品决策的事。所以，如果你的孩子或你的班级正把通用聊天机器人当家教用，那句「教我，别替我解」的指令不是锦上添花，而是全部的差别所在。

✓ 已核实 · 2个来源

在App中阅读——免费，9种语言

AI 家教直接把答案递过去：教师给七个模型打分，几乎没有一个会把问题推回给学生

相关新闻