Microsoft Research представила StudentSim для навчання ШІ-репетиторів

У повідомленні від 12 жовтня 2026 року Microsoft Research представила StudentSim — дослідницьку систему, яка створює персоналізований симулятор для кожного учня, відтворюючи, як він відповідає на запитання та як його відповіді змінюються після підказок репетитора. У межах цієї роботи також представлено StudentSimEval — тестовий набір і протокол оцінювання для шахів, письма англійською як другою мовою та математики. Лабораторія повідомила, що наукову статтю та код для навчання системи оприлюднено.

Проблема зворотного зв’язку під час розроблення ШІ-репетиторів

Microsoft Research описує проблему оцінювання, що лежить в основі досліджень ШІ-репетиторів: якість навчання не можна визначити лише за відповіддю репетитора, адже йому потрібно знати, що відбувається, коли його підказки отримує учень. Серед відкритих питань — чи виправив учень початкову помилку, чи допомогла підказка йому самостійно дійти до відповіді, чи, навпаки, видала надто багато, а також чи потребував би інший учень іншої підтримки. Нині, зазначає лабораторія, щоб відповісти на такі запитання, зазвичай потрібно проводити дослідження за участю реальних учнів. Вони цінні, але потребують багато часу й коштів, тому відгуки учнів складно використовувати під час швидких циклів вдосконалення моделей.

Відомі альтернативні підходи мають задокументовані обмеження. Microsoft Research зазначає, що за допомогою промпту велику мовну модель можна змусити зіграти роль учня, відтворюючи його манеру спілкування та невпевненість, але складніше змусити її дотримуватися справжньої межі здібностей цього учня. Через це надто здібний симульований учень може створити хибне враження, ніби репетитор ефективний. Моделі відстеження знань і прогнозування поведінки спираються на реальні записи навчання, але багато з них не розроблялися для того, щоб отримувати як вхідні дані підказки репетитора природною мовою. В анотації до статті описано ту саму відмінність: моделі відстеження стану відтворюють зафіксовану поведінку, але погано працюють із поясненнями чи виправленнями, тоді як плавна рольова гра враховує підказки, не забезпечуючи надійного відтворення рівня здібностей учня, якого наслідує.

Метрики StudentSimEval і конвеєр навчання

Метод оцінювання спирається на дослідження в галузі освіти, зокрема на концепцію зони найближчого розвитку Виготського, яка розрізняє те, що учень може зробити самостійно, і те, що йому під силу за підтримки. У StudentSim ця ідея втілена у двох показниках. Точність відтворення поведінки показує, наскільки точно симулятор відтворює зафіксовані відповіді конкретного учня на завданнях, відкладених для тестування, а чутливість до підказок показує, чи змінює симулятор відповідь після ознайомлення з рекомендаціями репетитора. Лабораторія називає ці показники взаємодоповнювальними: симулятор, який лише віддзеркалює минулу поведінку, не може показати, чи допомогло навчальне втручання, а симулятор, який завжди дослухається до репетитора, може не врахувати сильні й слабкі сторони конкретного учня та його типові помилки.

StudentSimEval застосовує обидві метрики в стандартизованому протоколі, що охоплює 60 учнів у трьох предметних галузях. Протокол побудовано на загальнодоступних наборах даних про учнів із знеособленими записами, наданими для досліджень; згідно зі сторінкою публікації, усі методи навчали й оцінювали на тих самих записах. У шахах завдання полягає в тому, щоб передбачити наступний хід гравця та те, як він може його змінити після тренерських рекомендацій. Для письма англійською як другою мовою симулятор створює есе з характерними для учня типовими помилками та передбачає виправлення, які той зробить після відгуку вчителя. У математиці він прогнозує, який варіант відповіді з кількох запропонованих обере учень і чи зміниться його відповідь після пояснення.

Оскільки окремі учні часто залишають лише невелику кількість есе, відповідей або записів взаємодії, навчання окремого симулятора з нуля для кожного учня загрожувало б перенавчанням і змушувало б кожну модель заново засвоювати закономірності, спільні для певної предметної галузі. Тому StudentSim використовує двоетапний конвеєр: на першому етапі модель навчається на об’єднаних записах багатьох учнів тієї самої галузі, щоб засвоїти спільні формати відповідей, типові помилки та способи, у які учні зазвичай змінюють відповіді після підказок; на другому етапі модель адаптується до записів одного конкретного учня. У супровідному репозиторії коду це реалізовано так: на першому етапі для кожної галузі навчається один адаптер LoRA, а на другому його навчання продовжується на записах кожного учня, успадковуючи ранг першого етапу, а не починаючи з нового адаптера. Записи для шахів походять з експорту шахових партій із ліцензією CC0, записи для письма — з вибірки EFCAMDAT, а записи з математики — з вибірки FoundationalASSIST.

Оприлюднені результати та дослідження з шаховим репетитором

Microsoft Research повідомляє, що StudentSim перевершує провідні базові моделі в усіх трьох галузях. Для шахів наведено показники точності відтворення поведінки 0.5150 і чутливості до підказок 0.9067; для GPT-5.4 відповідні значення становлять 0.2316 і 0.7186, а для Maia2 — 0.4535 і 0.2721. Maia2 — це спеціалізована на шахах модель прогнозування ходів людей. Лабораторія зазначає, що порівняння демонструє відмінність між двома типами базових моделей: GPT-5.4 реагує на підказки, але не завжди точно відтворює поведінку окремого учня, тоді як Maia2 краще передбачає ходи людей у шахах, проте не має механізму для роботи з підказками природною мовою. В анотації до статті зазначено, що StudentSim перевершує GPT-5.4 за обома метриками в кожній галузі.

Команда також перевірила, чи може навчений симулятор надавати зворотний зв’язок для оптимізації ШІ-репетитора. У дослідженні навчання з підкріпленням для шахового репетитора йому надають позицію разом із попереднім неправильним ходом реального учня, після чого він формує рекомендації; фіксований персоналізований симулятор читає ці рекомендації та пропонує переглянутий хід, а винагорода дорівнює приросту якості ходу від початкового до переглянутого, оціненому за допомогою шахового рушія Stockfish як незалежного сигналу. У дослідженні порівнюють три умови з однаковою політикою репетитора, початковою моделлю після контрольованого донавчання та схемою навчання з підкріпленням: репетитор після контрольованого донавчання без навчання з підкріпленням, репетитор, навчений на винагороді від симульованого учня GPT-5.4, і репетитор, навчений на винагороді від StudentSim. Шахові експерти оцінювали відповіді репетиторів, не знаючи, за якої умови їх було отримано.

Згідно з оголошенням, точність репетитора, навченого на StudentSim, становить 90,5% — проти 75,7% у базової моделі без навчання з підкріпленням і 71,6% у моделі, навченої на винагороді від GPT-5.4; крім того, він отримує вищі оцінки за якість рекомендацій і персоналізацію. Microsoft Research називає цей результат підтвердженням концепції: симулятори учнів, навчені на даних про реальних користувачів, можуть бути корисним сигналом зворотного зв’язку для навчання репетиторів.

Зазначені обмеження та доступність

Microsoft Research позиціонує StudentSim як дослідницьку систему для оцінювання та вдосконалення ШІ-репетиторів до їхнього випробування на реальних учнях; лабораторія зазначає, що це не продукт, систему не впроваджували в класах і вона не призначена замінити вчителів. Лабораторія також наголошує, що система не скасовує потреби в участі реальних учнів у дослідженнях у галузі освіти, адже дослідження за участю людей залишаються необхідними для вимірювання результатів навчання, безпеки, зручності використання та придатності для класного середовища. За словами лабораторії, симулятори потрібні на ранніших етапах розробки: вони можуть допомогти дослідникам випробовувати стратегії репетиторів, порівнювати моделі й удосконалювати сигнали для навчання до проведення дорожчих досліджень із реальними учнями. Серед окреслених напрямів подальшої роботи — триваліші траєкторії навчання, більше навчальних предметів, докладніші профілі учнів і дослідження, що пов’язуватимуть симульований зворотний зв’язок із виміряними результатами навчання.

Основну статтю «StudentSim: Training LLM-based Student Simulators» подано до arXiv 1 вересня 2026 року; на сторінці публікації Microsoft Research її датовано вереснем 2026 року. Серед авторів — Ke Yang, аспірант University of Illinois Urbana-Champaign; Chenglong Wang; Michel Galley; Chandan Singh; Jeevana Priya Inala; ChengXiang Zhai; і Jianfeng Gao. Код для навчання й оцінювання StudentSim, зокрема протокол StudentSimEval, доступний публічно за ліцензією MIT.