Microsoft Research推出用于AI辅导训练的StudentSim

在2026年10月12日的公告中，Microsoft Research推出了StudentSim。这是一套研究系统，可为每位学生构建个性化模拟器，捕捉学生如何回答问题，以及在接受辅导者指导后答案会发生怎样的变化。该项目还推出了StudentSimEval，这是一套涵盖国际象棋、英语作为第二语言写作和数学的基准测试与评估方案。该实验室表示，相关论文和训练代码均已公开。

AI辅导工具开发中的反馈难题

Microsoft Research指出，AI辅导研究的核心存在一个评估难题：不能只凭辅导者给出的答案来判断教学质量，因为辅导者需要了解其指导到达学生后会产生什么效果。仍待解答的问题包括：学生是否改正了最初的错误；提示是帮助学生推理出答案，还是透露了过多信息；以及不同的学生是否需要不同类型的支持。该实验室指出，目前要回答这类问题，通常需要开展真实学习者参与的研究。这类研究很有价值，但实施起来耗时且成本高，因此在模型快速迭代过程中，学生反馈难以得到有效利用。

已有的简便替代方案存在明确局限。Microsoft Research指出，让大型语言模型扮演学习者，虽然可以复现学生的语气并表达不确定性，却很难让模型始终遵守该学习者的真实能力边界；而能力过强的模拟学生可能会给出误导性反馈，让辅导者显得效果很好。知识追踪和行为预测模型以真实学习记录为基础，但其中许多模型从未被设计为能够接收自然语言形式的辅导指导作为输入。论文摘要也指出了同样的差异：状态追踪模型能够匹配记录下来的行为，却不擅长处理解释或纠正；流畅的角色扮演则会顺着指导作出回应，却无法可靠地复现所模仿学生的能力水平。

StudentSimEval的评估指标与训练流程

这套评估设计借鉴了教育研究成果，包括维果茨基的最近发展区理论。该理论区分学习者能够独立完成的任务与在支持下能够完成的任务。StudentSim将这一理念转化为两项指标。行为保真度用于衡量模拟器在未参与训练的问题上，复现某位特定学生已记录回答的准确程度；指导响应度则用于衡量模拟器阅读辅导者的指导后是否会改变答案。该实验室将这两项指标描述为相辅相成：只模仿过往行为的模拟器无法显示教学干预是否有所帮助，而一味听从辅导者的模拟器则可能忽略特定学生的长处、弱点和可能犯下的错误。

根据论文的发表页面，StudentSimEval通过一套标准化方案应用这两项指标，评估涵盖三个领域的60名学生，数据来自公开的学习者数据集，其中已去除身份信息的记录可供研究使用；所有方法都在同一批记录上训练和评分。在国际象棋领域，任务是预测棋手的下一步棋，以及接受指导后可能如何修改这一步棋。在英语作为第二语言写作领域，模拟器会生成体现学习者典型错误模式的作文，并预测学生在收到教师反馈后会作出哪些修改。在数学领域，模拟器会预测学生会选择哪个多项选择题答案，以及答案是否会在听取解释后发生变化。

由于单个学习者通常只贡献少量作文、答案或互动记录，如果为每位学生从头训练一个单独的模拟器，就有过拟合的风险，也会迫使每个模型重新学习同一领域内学生共有的模式。因此，StudentSim采用两阶段流程：第一阶段汇集同一领域内多名学生的记录进行训练，以学习共通的回答格式、典型错误，以及学生接受指导后通常会如何修改答案；第二阶段则利用某一名学生自己的记录对模型进行个性化训练。配套代码仓库将这一流程实现为：第一阶段为每个领域训练一个LoRA适配器，第二阶段再利用每名学生的记录继续训练该适配器，并沿用第一阶段的秩，而不是重新初始化一个适配器。国际象棋记录来自CC0棋局导出数据，写作记录来自EFCAMDAT数据摘录，数学记录则来自FoundationalASSIST数据摘录。

已公布的结果与国际象棋辅导研究

Microsoft Research报告称，StudentSim在三个领域的表现均优于领先的基线模型。在国际象棋领域，其报告的行为保真度为0.5150，指导响应度为0.9067；相比之下，GPT-5.4的两项指标分别为0.2316和0.7186，专用于预测人类棋步的模型Maia2则分别为0.4535和0.2721。该实验室表示，这一比较体现了两类基线模型之间的差异：GPT-5.4会对指导作出响应，却不能始终匹配个别学生的行为；Maia2更擅长预测人类棋步，但不具备自然语言指导的处理路径。论文摘要指出，StudentSim在每个领域的两项指标上都优于GPT-5.4。

团队还测试了经过训练的模拟器能否为导师优化提供反馈。在一项国际象棋导师强化学习研究中，导师会收到一个棋局局面以及真实学生此前走出的错误棋步，并据此给出指导；一个参数冻结的个性化模拟器会读取这段指导并给出修正后的棋步。奖励则是棋步质量从原始棋步到修正棋步的提升幅度，并由 Stockfish 国际象棋引擎评分，作为独立信号。研究比较了三种条件，它们采用相同的导师策略、监督学习起点和强化学习设置：未经过强化学习的监督微调导师、依据 GPT-5.4 模拟学生奖励训练的导师，以及依据 StudentSim 奖励训练的导师。国际象棋专家在不知道导师回复来自哪种条件的情况下，对这些回复进行了评分。

据公告称，依据 StudentSim 训练的导师准确率达到 90.5%，高于未采用强化学习的基线组（75.7%）和采用 GPT-5.4 奖励的组（71.6%），在指导质量和个性化方面也获得了更高评分。Microsoft Research 将这一结果称为概念验证，表明基于真实学习者记录训练的学生模拟器可以为导师训练提供有用的反馈信号。

已说明的限制与可用情况

Microsoft Research 将 StudentSim 定位为一种研究系统，可在 AI 导师接受真实学习者测试之前对其进行评估和改进；该实验室表示，StudentSim 不是产品，尚未在课堂中部署，也无意取代教师。该实验室还指出，这一系统并不能消除教育研究对真实学习者的需求，因为衡量学习成果、安全性、易用性以及课堂适用性仍离不开以人为对象的研究。该实验室表示，模拟器应当在开发流程的早期阶段发挥作用，帮助研究人员测试导师策略、比较模型，并完善训练信号，从而在开展成本更高的真实学生研究之前做好准备。列出的未来研究方向包括延长学习轨迹、拓展学科范围、丰富学生档案，以及探索如何将模拟反馈与实测学习成果联系起来。

作为研究基础的论文《StudentSim: Training LLM-based Student Simulators》于 2026 年 9 月 1 日提交至 arXiv，Microsoft Research 出版物页面标注的日期为 2026 年 9 月。作者包括 Ke Yang（University of Illinois Urbana-Champaign 的博士生）、Chenglong Wang、Michel Galley、Chandan Singh、Jeevana Priya Inala、ChengXiang Zhai 和 Jianfeng Gao。StudentSim 的训练与评估代码（包括 StudentSimEval 评测方案）已根据 MIT 许可证公开提供。