微软与UIUC发布StudentSim，用真实数据训练学生模拟器
微软与UIUC提出StudentSim，用真实学生数据训练个性化模拟器，让AI教师能低成本验证教学效果。
AI教师需要真实的反馈来优化教学，但招募真人学生测试成本高。微软和UIUC提出StudentSim，用真实学生数据训练个性化模拟器，既能复现学生的能力与错误，也能在教师指导后表现出学习变化。在象棋、写作、数学三个领域，它都比现有方法更接近真实学生。
正文摘录
.jpg)  User simulator 正在进入 AI agent 训练流程。客服、电商、医疗问诊、网页操作等场景里，研究者会构造模拟用户，让 agent 在上线前经历更多交互，测试策略、话术和鲁棒性。 教育场景也需要这样的模拟用户，只是这里的「用户」，也就是「学生」，更难模拟：一个学生有相对稳定的知识边界、错误习惯和学习轨迹；学生模拟强调的是学生认知动态的保真，同一句指导，可能让一个学生改正错误，也可能让另一个学生只学会套答案。 这也是 学生数字孪生 受到关注的原因。AI 教师要学习个性化指导，需要看到学生对教学内容、教学策略的反应。真实学生反馈可以提供这些信号，而获取往往要通过学生参与人类测试，成本很高。 直接让大模型扮演学生，看起来是省事的方案。如果告诉它「你是一个基础薄弱的小学生」，模型可以立刻换成小学生口吻，也能表现出犹豫和不确定。 但角色语气和认知水平不是一回事。 一个模型可以用低龄学生的语气回答「我不太懂」，下一句却给出微积分级别的推理 。它看起来在扮演学生，实际反馈仍然受模型自身知识储备影响。 用于 AI 教师训练时，这种偏差会带来问题。