AI自适应练习推荐定制：知识点掌握度与遗忘曲线

教育AI实验室本期把自适应练习推荐拆成可验证的三步：知识点诊断、掌握度更新、练习排序，先不做大而全的对话助教。
诊断层用知识点标签把题目分桶，冷启动阶段依靠少量探针题与先验难度估计；更新层用项目反应理论估计题目难度与区分度，再用简化版知识追踪更新学生掌握度；排序层把遗忘曲线转成“复习到期项”，与“最近未掌握”权重共同决定下一题。
进展：在一批高一数学单元数据（12 个知识点、约 1800 条作答记录）的小规模验证中，引入复习到期项后，7 天后同知识点抽测正确率由 61% 升至 74%，人均练习题量下降约 18%。该结果仅代表这批数据，尚不足以外推。
下一步：一是补冷启动策略，对零作答学生采用先验加探针题组合，避免推荐集中在已掌握题目；二是把错因标签从“对/错”扩展到概念混淆、计算失误、审题遗漏三类，观察标签噪声对排序稳定性的影响。对教育场景而言，可复现的评测集与失败案例，比推荐命中率的单点提升更值得记录。