AI错题归因定制：知识点定位与补偿练习

教育AI实验室近期完成一轮错题归因的实验迭代。区别于只输出「对/错」的判分模型，我们把重心放在错误原因的分解：先把学生作答映射到知识点图谱，再判定错误类型——概念理解偏差、计算失误、审题遗漏或时间不足，最后按类型给出强度不同的补偿动作。

要点：

• 进展：在初中数学一学期的作业数据上，模型对错误类型的归因与教师人工标注一致率约 82%，知识点定位 Top-3 命中率 91%；对计算类失误占比较高的学生，练习量下降约三成，正确率未出现回落。
• 下一步：接入语文阅读理解与英语语法场景，验证归因框架的跨学科可迁移性，并补上「教师可覆写」的轻量标注入口，让校正结果回流训练。

我们更关心归因能否被教师复用、能否减少无效刷题，而不是模型自身的指标分数。