微软 StudentSim 用真实数据训练 60 名数字学生，提升 AI 辅导训练反馈

一项新研究提出 StudentSim，用真实学生数据训练学生模拟器，以增强 AI 辅导系统。该模型在象棋、第二语言写作和基础数学三类任务中，对 60 名学生进行测试，在行为准确性和响应性上超过 GPT-5.4 与 Maia2。研究者将 StudentSim 接入强化学习框架，盲测显示 AI 导师的指导有所改善。论文与代码已公开在 arXiv 和 GitHub。

AI 辅导产品的迭代瓶颈常在学生侧反馈的获取成本，而非模型本身能力。StudentSim 若可复用，会改变 AI 导师训练数据的来源结构，让个性化指导的验证更依赖模拟学生而非真人实验。AI 导师训练可减少对真人学生实验的依赖，降低反馈收集成本。学生模拟器成为智能体研究的新方向，可能影响教育 AI 的评测方式。