在教育AI实验室的试点中，我们尝试把错题从“对错”推进到“错因—知识点—难度”三层标注。做法是先按教材知识点树将题目切到最小可教学粒度，再用大模型结合教师规则库归因：概念模糊、计算失误、审题偏差、方法缺失四类；推荐环节不直接堆题，而是按归因结果和IRT难度估计选择下一题，保证同一知识点下难度递进且变式覆盖。
进展：在初中数学两个章节的教师对照中，归因一致率达到约78%，其中计算失误与审题偏差区分度较好，概念模糊仍需教师复核；推荐后一周重做正确率相对随机练习组提升约11个百分点，但样本仅百余人，暂不视作结论。
下一步：把知识点粒度下沉到课时目标，加入遗忘曲线调度，并在物理学科验证跨学科迁移；同时保留教师否决入口，避免模型把“不会”误判为“粗心”。
评论