Microsoft Research prezintă StudentSim pentru antrenarea tutorilor IA

Într-un anunț din 12 octombrie 2026, Microsoft Research a prezentat StudentSim, un sistem de cercetare care creează un simulator personalizat pentru fiecare elev în parte, surprinzând modul în care acesta răspunde la întrebări și felul în care răspunsurile se schimbă în urma îndrumărilor unui tutor. Proiectul introduce și StudentSimEval, un set de referință și un protocol de evaluare care acoperă șahul, scrierea în limba engleză ca a doua limbă și matematica; laboratorul a anunțat că lucrarea de cercetare și codul de antrenare pe care se bazează sunt disponibile public.

Problema feedbackului în dezvoltarea tutorilor IA

Microsoft Research descrie o problemă de măsurare aflată în centrul cercetării tutorilor IA: calitatea predării nu poate fi evaluată doar pe baza răspunsului tutorului, deoarece acesta trebuie să știe ce se întâmplă după ce îndrumările sale ajung la elev. Printre întrebările încă deschise se numără dacă elevul și-a corectat greșeala inițială, dacă un indiciu l-a ajutat să găsească singur răspunsul sau i-a dezvăluit prea multe și dacă un alt elev ar avea nevoie de un alt tip de sprijin. În prezent, notează laboratorul, răspunsul la astfel de întrebări presupune, de obicei, studii cu elevi reali. Acestea sunt valoroase, dar necesită mult timp și sunt costisitor de desfășurat, ceea ce face dificilă folosirea feedbackului elevilor în timpul ciclurilor rapide de iterare a modelelor.

Soluțiile de compromis existente au limite documentate. Microsoft Research notează că solicitarea adresată unui model lingvistic mare de a interpreta rolul unui elev poate reproduce tonul acestuia și exprimarea nesiguranței, însă este mai greu ca modelul să respecte limita reală a capacităților elevului, iar un elev simulat cu abilități prea mari poate face tutorul să pară eficient pe baza unui feedback înșelător. Modelele de urmărire a cunoștințelor și de predicție a comportamentului se bazează pe înregistrări reale ale procesului de învățare, însă multe nu au fost concepute să primească drept intrare îndrumări ale tutorului în limbaj natural. Rezumatul lucrării evidențiază același contrast: modelele care urmăresc starea reproduc comportamentul înregistrat, dar gestionează slab explicațiile sau corecturile, în timp ce simulările fluente prin joc de rol țin cont de îndrumări, fără a reproduce în mod fiabil nivelul de abilitate al elevului pe care îl imită.

Indicatorii StudentSimEval și fluxul de antrenare

Metodologia de evaluare preia concepte din cercetarea în domeniul educației, inclusiv zona proximei dezvoltări a lui Vygotsky, care distinge între ceea ce un elev poate face independent și ceea ce poate face cu sprijin. StudentSim transpune această idee în doi indicatori. Fidelitatea comportamentală măsoară cât de bine reproduce un simulator răspunsurile înregistrate ale unui anumit elev la probleme care nu au fost incluse în antrenare, iar receptivitatea la îndrumare măsoară dacă simulatorul își schimbă răspunsul după ce citește îndrumările tutorului. Laboratorul descrie cei doi indicatori ca fiind complementari: un simulator care doar imită comportamentul din trecut nu poate arăta dacă o intervenție didactică a fost de ajutor, în timp ce unul care urmează întotdeauna indicațiile tutorului poate să nu surprindă punctele forte și slabe ale unui anumit elev și greșelile pe care este probabil să le facă.

StudentSimEval aplică cei doi indicatori într-un protocol standardizat care acoperă 60 de elevi și cele trei domenii. Protocolul se bazează pe seturi de date publice despre elevi, cu înregistrări din care au fost eliminate datele de identificare, puse la dispoziție în scopuri de cercetare; conform paginii publicației, toate metodele sunt antrenate și evaluate pe aceleași înregistrări. În șah, sarcina constă în prezicerea următoarei mutări a unui jucător și a modului în care acesta ar putea să o schimbe după ce primește îndrumare. În cazul scrierii în limba engleză ca a doua limbă, simulatorul generează eseuri care prezintă tiparele caracteristice de greșeli ale elevului și prezice corecturile făcute după feedbackul profesorului. La matematică, acesta prezice ce răspuns va alege elevul într-o întrebare cu variante multiple și dacă răspunsul se va schimba după o explicație.

Deoarece fiecare elev contribuie adesea doar cu un număr mic de eseuri, răspunsuri sau interacțiuni, antrenarea de la zero a unui simulator separat pentru fiecare elev ar risca să ducă la supraînvățare și ar obliga fiecare model să învețe din nou tipare comune întregului domeniu. Prin urmare, StudentSim folosește un flux de antrenare în două etape: în prima etapă, modelul este antrenat pe înregistrări reunite de la mulți elevi din același domeniu, pentru a învăța formatele comune ale răspunsurilor, greșelile tipice și felul în care elevii tind să-și revizuiască răspunsurile după ce primesc îndrumare; în a doua etapă, modelul este specializat pe înregistrările unui singur elev. Depozitul de cod asociat implementează acest proces prin antrenarea, în prima etapă, a unui adaptor LoRA pentru fiecare domeniu, apoi continuarea antrenării lui pe înregistrările fiecărui elev în parte, păstrând rangul din prima etapă în loc să pornească de la un adaptor nou. Înregistrările pentru șah provin dintr-un export de partide de șah cu licență CC0, cele pentru scriere dintr-un extras EFCAMDAT, iar cele pentru matematică dintr-un extras FoundationalASSIST.

Rezultatele raportate și studiul tutorului de șah

Microsoft Research afirmă că StudentSim depășește metodele de referință de top în toate cele trei domenii. În șah, raportează o fidelitate comportamentală de 0.5150 și o receptivitate la îndrumare de 0.9067, comparativ cu 0.2316 și 0.7186 pentru GPT-5.4 și cu 0.4535 și 0.2721 pentru Maia2, un model de predicție a mutărilor umane conceput special pentru șah. Laboratorul spune că această comparație ilustrează diferența dintre cele două categorii de metode de referință: GPT-5.4 reacționează la îndrumări fără să reproducă în mod consecvent comportamentul unui anumit elev, în timp ce Maia2 se apropie mai mult de prezicerea mutărilor jucătorilor umani de șah, dar nu dispune de o modalitate de a integra îndrumări în limbaj natural. Rezumatul lucrării afirmă că StudentSim depășește GPT-5.4 la ambii indicatori în fiecare domeniu.

Echipa a testat, de asemenea, dacă un simulator antrenat poate furniza feedback pentru optimizarea tutorelui. Într-un studiu despre învățarea prin consolidare a unui tutore de șah, tutorelui i se oferă o poziție împreună cu o mutare greșită făcută anterior de un elev real, iar acesta generează îndrumări; un simulator personalizat, cu parametrii fixați, interpretează îndrumările și propune o mutare revizuită, iar recompensa constă în creșterea calității mutării de la cea inițială la cea revizuită, evaluată cu ajutorul motorului de șah Stockfish, ca semnal independent. Studiul compară trei condiții care folosesc aceeași politică a tutorelui, același punct de pornire supravegheat și aceeași configurație de învățare prin consolidare: un tutore reglat fin prin învățare supravegheată, fără învățare prin consolidare; un tutore antrenat pe baza unei recompense generate de un elev simulat cu GPT-5.4; și un tutore antrenat pe baza unei recompense generate de StudentSim. Experți umani în șah au evaluat răspunsurile tutorelui fără să știe care dintre condiții le-a generat.

Potrivit anunțului, tutorele antrenat cu StudentSim atinge o acuratețe de 90,5%, față de 75,7% pentru modelul de referință fără învățare prin consolidare și 71,6% pentru condiția cu recompense generate de GPT-5.4, și obține evaluări mai bune pentru calitatea îndrumărilor și personalizare. Microsoft Research descrie rezultatul drept o dovadă de concept că simulatoarele de elevi antrenate pe baza înregistrărilor unor cursanți reali pot servi drept semnal de feedback util pentru antrenarea tutorilor.

Limitele declarate și disponibilitatea

Microsoft Research prezintă StudentSim drept un sistem de cercetare pentru evaluarea și îmbunătățirea tutorilor AI înainte ca aceștia să fie testați cu elevi reali; laboratorul precizează că nu este un produs, nu a fost implementat în sălile de clasă și nu este menit să înlocuiască profesorii. Laboratorul mai precizează că sistemul nu elimină nevoia de a implica elevi reali în cercetarea educațională, deoarece studiile cu oameni rămân esențiale pentru măsurarea rezultatelor învățării, a siguranței, a ușurinței în utilizare și a adecvării la mediul clasei. Potrivit laboratorului, simulatoarele își au locul într-o etapă mai timpurie a procesului de dezvoltare, unde îi pot ajuta pe cercetători să testeze strategiile tutorilor, să compare modele și să perfecționeze semnalele de antrenare înainte de studii mai costisitoare cu elevi reali. Printre direcțiile de dezvoltare viitoare menționate se numără parcursuri de învățare mai lungi, mai multe materii, profiluri de elevi mai detaliate și cercetări care să coreleze feedbackul simulat cu rezultatele măsurate ale învățării.

Lucrarea de bază, „StudentSim: Training LLM-based Student Simulators”, a fost depusă pe arXiv la 1 septembrie 2026 și este datată septembrie 2026 pe pagina publicației Microsoft Research. Autorii sunt Ke Yang, doctorand la University of Illinois Urbana-Champaign; Chenglong Wang; Michel Galley; Chandan Singh; Jeevana Priya Inala; ChengXiang Zhai; și Jianfeng Gao. Codul pentru antrenarea și evaluarea StudentSim, inclusiv protocolul StudentSimEval, este disponibil public sub licența MIT.