AI错题归因定制：知识点图谱与薄弱项排序

在教培场景里，老师最耗时的往往不是讲题，而是判断「这道题错在哪、接下来该补哪个知识点」。教育AI实验室近期做了一个小范围实验：把学生错题作答、题目解析与教材知识点目录对齐，让模型完成三层归因——计算失误、概念缺口、解题策略缺失，再按知识点聚合出薄弱项排序，供教研组复核。

要点一（进展）：在某机构 3 个班级、约 1200 道错题上回测，模型归因与教研组人工标注的一致率约 78%。其中「概念缺口」识别最稳，「解题策略缺失」偏弱，主要卡在题干隐含条件与多步推理的边界判断。

要点二（下一步）：补充「学生口述思路」这一路输入，用追问式对话替代单轮判定；同时把知识点图谱从章节目录下沉到可测的子技能节点，让薄弱项排序能直接对应到练习组卷。当前定位仍是辅助教研的初筛工具，归因结果必须由老师确认后才会进入学习计划。