Microsoft Research przedstawia StudentSim do szkolenia tutorów AI

W ogłoszeniu z 12 października 2026 r. Microsoft Research przedstawił StudentSim — system badawczy, który tworzy spersonalizowany symulator dla każdego ucznia, odzwierciedlający sposób, w jaki odpowiada on na pytania, oraz zmiany w jego odpowiedziach pod wpływem wskazówek tutora. W ramach prac przedstawiono również StudentSimEval — zestaw testów i protokół ewaluacji obejmujące szachy, pisanie po angielsku jako drugim języku oraz matematykę. Laboratorium poinformowało, że powiązany artykuł naukowy i kod treningowy są publicznie dostępne.

Problem informacji zwrotnej w rozwoju tutorów AI

Microsoft Research wskazuje na problem pomiaru leżący u podstaw badań nad tutorami AI: jakości nauczania nie można ocenić wyłącznie na podstawie odpowiedzi tutora, ponieważ tutor musi wiedzieć, co dzieje się, gdy jego wskazówki dotrą do ucznia. Wśród nierozstrzygniętych kwestii pozostają pytania, czy uczeń poprawił pierwotny błąd, czy podpowiedź pomogła mu samodzielnie dojść do odpowiedzi, czy też zdradziła zbyt wiele, a także czy inny uczeń potrzebowałby innego rodzaju wsparcia. Jak zauważa laboratorium, dziś odpowiedzi na takie pytania zwykle wymagają badań z udziałem prawdziwych uczniów. Są one wartościowe, ale ich przeprowadzenie jest powolne i kosztowne, przez co trudno wykorzystywać informacje zwrotne od uczniów podczas szybkiego doskonalenia modeli.

Znane uproszczone metody mają udokumentowane ograniczenia. Microsoft Research zauważa, że polecenie dużemu modelowi językowemu odgrywania roli ucznia może pozwolić odtworzyć jego ton wypowiedzi i wyrażać niepewność, trudniej jednak nie przekroczyć rzeczywistego poziomu umiejętności danego ucznia. Symulowany uczeń o zbyt dużych umiejętnościach może zaś sprawiać, że tutor wydaje się skuteczny, dostarczając mylących informacji zwrotnych. Modele śledzenia wiedzy i przewidywania zachowań opierają się na rzeczywistych zapisach procesu uczenia się, ale wiele z nich nie zaprojektowano z myślą o przyjmowaniu wskazówek tutora w języku naturalnym. Streszczenie artykułu przedstawia ten sam kontrast: modele śledzące stan dobrze odtwarzają zarejestrowane zachowania, ale słabo radzą sobie z wyjaśnieniami i poprawkami, natomiast modele płynnie odgrywające rolę reagują na wskazówki, lecz nie odtwarzają wiarygodnie poziomu umiejętności naśladowanego ucznia.

Metryki i proces treningowy StudentSimEval

Projekt ewaluacji czerpie z badań edukacyjnych, w tym z koncepcji strefy najbliższego rozwoju Wygotskiego, która rozróżnia to, co uczeń potrafi zrobić samodzielnie, od tego, co potrafi zrobić przy wsparciu. StudentSim przekłada tę koncepcję na dwie miary. Wierność behawioralna określa, jak dokładnie symulator odtwarza zarejestrowane odpowiedzi konkretnego ucznia na zadaniach niewykorzystywanych podczas treningu, a reaktywność na wskazówki pokazuje, czy symulator zmienia odpowiedź po zapoznaniu się ze wskazówkami tutora. Laboratorium opisuje te miary jako uzupełniające się: symulator, który jedynie naśladuje wcześniejsze zachowania, nie może wykazać, czy interwencja dydaktyczna pomogła, natomiast symulator, który zawsze stosuje się do wskazówek tutora, może nie uwzględniać mocnych i słabych stron konkretnego ucznia ani jego prawdopodobnych błędów.

StudentSimEval stosuje obie miary w ramach standaryzowanego protokołu obejmującego 60 uczniów i trzy dziedziny. Protokół oparto na publicznych zbiorach danych uczniów, których pozbawione danych identyfikacyjnych rekordy udostępniono do badań. Zgodnie ze stroną publikacji każdą metodę trenowano i oceniano na tych samych rekordach. W szachach zadanie polega na przewidzeniu następnego ruchu gracza oraz tego, jak może go zmienić po otrzymaniu wskazówek. W przypadku pisania po angielsku jako drugim języku symulator tworzy eseje zawierające charakterystyczne dla danego ucznia wzorce błędów i przewiduje poprawki wprowadzane po otrzymaniu informacji zwrotnej od nauczyciela. W matematyce przewiduje, którą odpowiedź wielokrotnego wyboru wskaże uczeń oraz czy zmieni ją po zapoznaniu się z wyjaśnieniem.

Ponieważ poszczególni uczniowie często dostarczają jedynie niewielką liczbę esejów, odpowiedzi lub interakcji, trenowanie od podstaw osobnego symulatora dla każdego z nich groziłoby przeuczeniem i zmuszało każdy model do ponownego uczenia się wzorców wspólnych dla danej dziedziny. Dlatego StudentSim wykorzystuje dwuetapowy proces. W pierwszym etapie model jest trenowany na połączonych danych wielu uczniów z tej samej dziedziny, aby poznać wspólne formaty odpowiedzi, typowe błędy oraz sposoby, w jakie uczniowie zwykle zmieniają odpowiedzi po otrzymaniu wskazówek. W drugim etapie model jest dostosowywany do danych jednego konkretnego ucznia. W powiązanym repozytorium kodu zastosowano jedno dostosowanie LoRA trenowane dla każdej dziedziny w pierwszym etapie, a następnie kontynuowano jego trening na danych każdego ucznia w drugim etapie, zachowując rangę z pierwszego etapu zamiast rozpoczynać od nowego dostosowania. Dane szachowe pochodzą z eksportu partii szachowych CC0, dane dotyczące pisania — z wyciągu z EFCAMDAT, a dane matematyczne — z wyciągu z FoundationalASSIST.

Przedstawione wyniki i badanie tutora szachowego

Microsoft Research informuje, że StudentSim przewyższa czołowe modele bazowe we wszystkich trzech dziedzinach. W szachach uzyskał, według podanych wyników, wierność behawioralną na poziomie 0,5150 i reaktywność na wskazówki na poziomie 0,9067, podczas gdy GPT-5.4 osiągnął odpowiednio 0,2316 i 0,7186, a Maia2 — 0,4535 i 0,2721. Maia2 to model przewidywania ludzkich ruchów szachowych wyspecjalizowany w tej dziedzinie. Laboratorium wyjaśnia, że porównanie pokazuje różnicę między dwiema grupami modeli bazowych: GPT-5.4 reaguje na wskazówki, ale nie odtwarza konsekwentnie zachowań konkretnego ucznia, natomiast Maia2 lepiej przewiduje ludzkie ruchy szachowe, lecz nie ma mechanizmu obsługi wskazówek w języku naturalnym. Streszczenie artykułu stwierdza, że StudentSim przewyższa GPT-5.4 pod względem obu miar w każdej dziedzinie.

Zespół sprawdził również, czy wytrenowany symulator może dostarczać informacji zwrotnych na potrzeby optymalizacji pracy korepetytora. W badaniu dotyczącym uczenia przez wzmacnianie korepetytora szachowego otrzymuje on pozycję oraz wcześniejszy błędny ruch rzeczywistego ucznia, a następnie udziela wskazówek; zamrożony, spersonalizowany symulator odczytuje te wskazówki i proponuje zmieniony ruch, a nagrodę stanowi wzrost jakości ruchu względem pierwotnego ruchu, oceniany za pomocą silnika szachowego Stockfish jako niezależnego źródła sygnału. W badaniu porównano trzy warianty, w których zastosowano tę samą politykę korepetytora, ten sam nadzorowany punkt wyjścia i tę samą konfigurację uczenia przez wzmacnianie: korepetytora dostrojonego nadzorowanie, bez uczenia przez wzmacnianie; korepetytora trenowanego z wykorzystaniem nagrody opartej na symulowanym uczniu GPT-5.4; oraz korepetytora trenowanego z wykorzystaniem nagrody StudentSim. Eksperci szachowi oceniali odpowiedzi korepetytorów, nie wiedząc, który wariant je wygenerował.

Według komunikatu korepetytor trenowany z wykorzystaniem StudentSim osiąga 90,5% dokładności, w porównaniu z 75,7% w wariancie bazowym bez uczenia przez wzmacnianie i 71,6% w wariancie z nagrodą GPT-5.4, a także otrzymuje wyższe oceny za jakość wskazówek i personalizację. Microsoft Research przedstawia ten wynik jako dowód słuszności koncepcji, zgodnie z którą symulatory uczniów trenowane na rzeczywistych zapisach ich nauki mogą stanowić użyteczne źródło informacji zwrotnych podczas trenowania korepetytorów.

Deklarowane ograniczenia i dostępność

Microsoft Research przedstawia StudentSim jako system badawczy służący do oceny i doskonalenia korepetytorów AI, zanim zostaną przetestowani z udziałem rzeczywistych uczniów; laboratorium zaznacza, że nie jest to produkt, system nie został wdrożony w szkołach i nie ma zastępować nauczycieli. Laboratorium podkreśla również, że system nie eliminuje potrzeby udziału rzeczywistych uczniów w badaniach edukacyjnych, ponieważ badania z udziałem ludzi pozostają niezbędne do pomiaru efektów nauczania, bezpieczeństwa, użyteczności i przydatności w warunkach szkolnych. Jak podaje laboratorium, symulatory powinny być wykorzystywane na wcześniejszym etapie prac rozwojowych, gdzie mogą pomagać badaczom testować strategie pracy korepetytorów, porównywać modele i udoskonalać sygnały treningowe przed przeprowadzeniem kosztowniejszych badań z udziałem prawdziwych uczniów. Wśród wskazanych przyszłych kierunków prac wymieniono dłuższe trajektorie uczenia się, więcej przedmiotów, bogatsze profile uczniów oraz badania łączące symulowane informacje zwrotne z mierzalnymi efektami nauczania.

Podstawowy artykuł naukowy „StudentSim: Training LLM-based Student Simulators” przesłano do arXiv 1 września 2026 r.; na stronie publikacji Microsoft Research widnieje data wrzesień 2026 r. Jego autorami są Ke Yang, doktorant na University of Illinois Urbana-Champaign; Chenglong Wang; Michel Galley; Chandan Singh; Jeevana Priya Inala; ChengXiang Zhai; i Jianfeng Gao. Kod do trenowania i oceny StudentSim, w tym protokół StudentSimEval, jest publicznie dostępny na licencji MIT.