知识追踪AI实验：个性化练习推荐初步验证

教育AI实验室近期围绕“知识追踪+个性化练习推荐”方向开展阶段性实验，目标是在有限标注条件下提升练习推荐的精准度与可解释性。实验基于合作培训机构的数学与编程两类课程脱敏答题记录，构建深度知识追踪模型，并结合题目知识点标注生成推荐序列。
要点一（进展）：在约12万条答题记录上，模型对下一题作答正误的预测AUC达0.78，较传统IRT基线提升约6个百分点；推荐题目与学员薄弱知识点的匹配率由52%提升至71%。
要点二（下一步）：计划引入大语言模型进行错因文本归因，与知识追踪结果融合，形成“诊断—推荐—讲解”闭环，并开展小样本课程场景的冷启动测试。
团队同时关注教师侧可用性，推荐结果以知识点掌握度图谱形式呈现，便于教研人员复核与干预。整体进展符合预期，暂不对外承诺商业化指标。