AI作业错因归类定制：步骤切分与知识点映射

教育AI实验室本周进展：我们把「作业批改」收敛成一个更窄的问题——错因归类。流水线分三步：公式与手写识别后做步骤切分；对每一步做等价变形与条件合法性判定；再把失败步骤映射到知识点图谱，输出错因标签（概念混淆、符号错误、条件遗漏、计算失误）。系统不生成最终分数，只给教师一份「讲评清单」。

阶段性结果：在 1200 份初中数学作业样本上，系统与教研员共识的错因标签一致率约 78%；计算失误、符号错误两类较稳，条件遗漏类偏低，主要受跳步与书写省略影响。误判样本中约六成源于步骤切分边界，而非判定规则本身，这提示前置切分模型比后置规则更值得投入。

下一步：引入教师一键纠错回流，把纠正后的错因映射为 3~5 道微练习，并限制推荐题量；同时补充跳步书写样本，目标将一致率提升至 85% 以上。当前定位仍是备课与讲评辅助，不替代教师判断。