教育AI实验室近期把研究重心放在错题反馈的可解释性上。相比直接给出答案，我们更关心模型能否指出学生错在哪一步、对应哪个知识点，并给出不超过三步的引导式提示。
方法上分两段：先用解题步骤切分模型把标准答案与学生作答对齐，标注首个偏离步骤；再由知识点定位模型在课程图谱上输出 1~3 个候选考点及置信度，低置信度样本自动进入人工抽检队列。讲解不做整题重述，只针对偏离步骤生成提问式提示，避免直接泄露最终结果。
进展：在初中数学一学期的校本题库（约 1.2 万题、3.6 万条作答记录）上完成离线评测，首个偏离步骤定位准确率约 78%，候选考点 Top-3 命中率约 86%，教师抽样可接受率 81%；主要误差集中在多解法题与作图题。
下一步计划：接入两所学校做小范围课堂试点，重点观察提示分层是否影响学生二次作答的正确率与用时；同时补充多解法标注规范，并把知识点置信度阈值与抽检比例做成可配置参数，便于按班级学情调整。
评论