Microsoft Research apresenta StudentSim para treinar tutores de IA

Em um anúncio de 12 de outubro de 2026, a Microsoft Research apresentou o StudentSim, um sistema de pesquisa que cria um simulador personalizado para cada aluno, reproduzindo como ele responde a perguntas e como suas respostas mudam após receber orientações de um tutor. O trabalho também apresenta o StudentSimEval, um protocolo de referência e avaliação que abrange xadrez, redação em inglês como segundo idioma e matemática. O laboratório informou que o artigo e o código de treinamento subjacentes estão disponíveis publicamente.

O problema do feedback no desenvolvimento de tutores de IA

A Microsoft Research descreve um problema de mensuração que está no centro da pesquisa sobre tutores de IA: não é possível avaliar a qualidade do ensino apenas pela resposta do tutor, pois ele precisa saber o que acontece quando suas orientações chegam ao aluno. Entre as questões ainda em aberto estão se o aluno corrigiu o erro original, se uma dica o ajudou a raciocinar até chegar à resposta ou revelou demais e se outro aluno precisaria de um tipo diferente de apoio. Hoje, observa o laboratório, responder a essas perguntas costuma exigir estudos com alunos reais, que são valiosos, mas demorados e dispendiosos, o que dificulta o uso do feedback dos alunos durante ciclos rápidos de iteração dos modelos.

As soluções alternativas existentes têm limitações documentadas. A Microsoft Research observa que solicitar a um modelo de linguagem de grande porte que interprete o papel de um aluno pode reproduzir o tom dele e expressar incerteza, mas é mais difícil respeitar os limites reais de habilidade desse aluno; além disso, um aluno simulado capaz demais pode fazer um tutor parecer eficaz com base em feedback enganoso. Os modelos de rastreamento do conhecimento e de previsão de comportamento se baseiam em registros reais de aprendizagem, mas muitos nunca foram projetados para receber como entrada orientações de tutores em linguagem natural. O resumo do artigo apresenta o mesmo contraste: os modelos de rastreamento de estados reproduzem o comportamento registrado, mas lidam mal com explicações ou correções, enquanto a interpretação fluente de papéis acompanha as orientações sem reproduzir de modo confiável o nível de habilidade do aluno imitado.

Métricas do StudentSimEval e processo de treinamento

O desenho da avaliação se inspira na pesquisa em educação, incluindo a zona de desenvolvimento proximal de Vygotsky, que distingue o que um aluno consegue fazer de forma independente daquilo que consegue fazer com apoio. O StudentSim transforma essa ideia em duas métricas. A fidelidade comportamental mede o quanto um simulador reproduz as respostas registradas de um aluno específico em problemas reservados para teste, enquanto a capacidade de resposta às orientações mede se o simulador muda sua resposta depois de ler as instruções do tutor. O laboratório descreve as duas métricas como complementares: um simulador que apenas espelha o comportamento passado não consegue mostrar se uma intervenção de ensino ajudou, enquanto outro que sempre segue as orientações do tutor pode não captar os pontos fortes e fracos nem os erros prováveis de um aluno específico.

O StudentSimEval aplica as duas métricas em um protocolo padronizado que abrange 60 alunos nas três áreas. O protocolo foi desenvolvido com base em conjuntos de dados públicos de alunos, com registros desidentificados compartilhados para pesquisa, e todos os métodos são treinados e avaliados com os mesmos registros, segundo a página da publicação. No xadrez, a tarefa consiste em prever a próxima jogada de um jogador e como ele poderia alterá-la após receber orientação. Na redação em inglês como segundo idioma, o simulador produz redações que apresentam os padrões de erro característicos do aluno e prevê as correções feitas após o feedback do professor. Em matemática, prevê qual alternativa de múltipla escolha o aluno selecionará e se a resposta muda após uma explicação.

Como cada aluno costuma contribuir com apenas um pequeno número de redações, respostas ou interações, treinar do zero um simulador separado para cada um criaria o risco de sobreajuste e obrigaria cada modelo a reaprender padrões compartilhados por toda uma área. Por isso, o StudentSim usa um processo de treinamento em duas etapas: na primeira, o treinamento utiliza registros agrupados de muitos alunos da mesma área para aprender formatos de resposta compartilhados, erros típicos e as maneiras como os alunos costumam revisar suas respostas após receber orientações; na segunda, o modelo é especializado com os registros do próprio aluno. O repositório de código complementar implementa esse processo treinando, na primeira etapa, um adaptador LoRA por área e, em seguida, continuando o treinamento com os registros de cada aluno, herdando a classificação da primeira etapa em vez de iniciar um novo adaptador. Os registros de xadrez vêm de uma exportação de partidas de xadrez CC0, os de redação, de uma extração do EFCAMDAT, e os de matemática, de uma extração do FoundationalASSIST.

Resultados apresentados e estudo com tutor de xadrez

A Microsoft Research informa que o StudentSim supera as principais referências nos três domínios. No xadrez, apresenta fidelidade comportamental de 0.5150 e capacidade de resposta às orientações de 0.9067, em comparação com 0.2316 e 0.7186 para o GPT-5.4 e 0.4535 e 0.2721 para o Maia2, um modelo de previsão de jogadas humanas desenvolvido especificamente para o xadrez. O laboratório afirma que a comparação ilustra a diferença entre as duas famílias de modelos de referência: o GPT-5.4 reage às orientações sem reproduzir de maneira consistente o comportamento de um aluno específico, enquanto o Maia2 chega mais perto de prever jogadas humanas de xadrez, mas não dispõe de um mecanismo para receber orientações em linguagem natural. O resumo do artigo afirma que o StudentSim supera o GPT-5.4 nas duas métricas em todos os domínios.

A equipe também testou se um simulador treinado pode fornecer feedback para otimizar tutores. Em um estudo de aprendizado por reforço com um tutor de xadrez, o tutor recebe uma posição e, junto com ela, uma jogada incorreta anterior de um aluno real, e então fornece orientações; um simulador personalizado congelado analisa essas orientações e propõe uma jogada revisada, e a recompensa corresponde ao ganho na qualidade da jogada entre a original e a revisada, avaliado pelo mecanismo de xadrez Stockfish como um sinal independente. O estudo compara três condições que compartilham a mesma política do tutor, o mesmo ponto de partida supervisionado e a mesma configuração de aprendizado por reforço: um tutor ajustado por fine-tuning supervisionado, sem aprendizado por reforço; um tutor treinado com uma recompensa de aluno simulado gerada pelo GPT-5.4; e um tutor treinado com uma recompensa do StudentSim. Especialistas humanos em xadrez avaliaram as respostas dos tutores sem saber qual condição as havia produzido.

Segundo o anúncio, o tutor treinado com o StudentSim alcança 90,5% de precisão, contra 75,7% na linha de base sem aprendizado por reforço e 71,6% na condição com recompensa do GPT-5.4, além de receber avaliações mais altas pela qualidade das orientações e pela personalização. A Microsoft Research descreve o resultado como uma prova de conceito de que simuladores de alunos treinados com registros de alunos reais podem servir como um sinal de feedback útil para o treinamento de tutores.

Limitações declaradas e disponibilidade

A Microsoft Research apresenta o StudentSim como um sistema de pesquisa para avaliar e aprimorar tutores de IA antes de testá-los com alunos reais; o laboratório afirma que não se trata de um produto, que o sistema não foi implementado em salas de aula e que não se destina a substituir professores. O laboratório também afirma que o sistema não elimina a necessidade de alunos reais na pesquisa educacional, pois estudos com pessoas continuam sendo essenciais para medir os resultados de aprendizagem, a segurança, a usabilidade e a adequação ao ambiente escolar. Segundo o laboratório, os simuladores são úteis nas etapas iniciais do processo de desenvolvimento, quando podem ajudar pesquisadores a testar estratégias de tutoria, comparar modelos e aperfeiçoar sinais de treinamento antes de estudos mais caros com alunos reais. Entre as direções futuras mencionadas estão trajetórias de aprendizagem mais longas, mais disciplinas, perfis de alunos mais detalhados e pesquisas que relacionem o feedback simulado a resultados de aprendizagem medidos.

O artigo que fundamenta o trabalho, “StudentSim: Treinamento de simuladores de alunos baseados em LLMs”, foi submetido ao arXiv em 1º de setembro de 2026 e está datado de setembro de 2026 na página de publicações da Microsoft Research. Seus autores são Ke Yang, doutorando na University of Illinois Urbana-Champaign; Chenglong Wang; Michel Galley; Chandan Singh; Jeevana Priya Inala; ChengXiang Zhai; e Jianfeng Gao. O código de treinamento e avaliação do StudentSim, incluindo o protocolo StudentSimEval, está disponível publicamente sob a licença MIT.