教育AI实验室近期把「批作业」拆成三个可测环节：步骤定位、错因归因、讲评生成，而不是让模型直接给一个总分。
进展：
1）步骤级切分。先对解答做符号化规整（公式转写后按推导关系分段），再判断每一步是否为等价变换，避免「答案对就全对、答案错就全错」的粗判。
2）错因体系先行收敛。标签限定在12类（移项符号、去括号漏乘、定义域遗漏等），模型只做分类、不做自由发挥式解释，教师复核成本显著下降。
数据：在初二数学1200份真实作业上，步骤定位准确率91.3%，错因标签与教师标注一致率78%，讲评稿「可直接使用」比例约六成，其余需小幅修改。典型失效来自手写公式识别误差与非常规解法，这类样本已单独入池。
下一步：引入知识图谱约束，让每个错因关联前置知识点，讲评稿自动生成「回看哪一节＋一道变式题」，把批改从判别任务变成教学动作。流程上仍保留教师终审，仅对高置信样本自动下发。
评论