AI错题归因定制：知识点定位与分层练习生成

错题本里真正有价值的信息，往往不是「错了哪道题」，而是「错在哪一步」。教育AI实验室近期的阶段性工作，是把归因粒度从题目级细化到步骤级：解析题干、学生作答文本与手写步骤图片，先定位到具体知识点，再判断错因类型（概念混淆、计算失误、审题偏差、方法缺失），最后按错因生成分层练习，而不是简单推送同类题。

进展与数据：
· 以初中数学为切入，联合教研组建立四类错因、共37个细标签的体系，累计人工标注错题1200道作为评测基线，模型错因归类与教研组判断的一致率约82%；其中「计算失误」与「概念混淆」边界最易混淆，已通过引入作答步骤特征改善。
· 下一步计划接入步骤级过程数据（草稿拍照与答题时序），并把分层练习的完成情况回流，观察同一学生在同类错因上的二次错误率变化。

我们更在意可解释与可复核：每条归因都保留触发依据，方便老师快速校对，避免把模型结论直接当作教学判断。