在教育场景里，“因材施教”最难落地的环节不是讲，而是练——同一份作业，有人卡在概念，有人卡在计算，统一布置的题目对两类学生都低效。本期《教育AI实验室》做了一次小范围实验：用大模型对作业错题做错因归因，再把错因聚成可解释的标签（概念混淆、步骤缺失、计算失误、审题偏差），据此从题库中生成分层练习，由教师终审后推送。
进展与数据：
- 覆盖两个班约90名学生、四周数学作业。错因标签与教师人工判断的一致率约78%；其中“计算失误”与“审题偏差”最易混淆，已加入二次确认提问来降低误判。
- 分层练习推送后，学生订正完成率从61%升至79%；教师组题时间由每周约3小时降至1小时以内。
下一步计划：把错因标签与校内知识点图谱对齐，测试跨章节的错因迁移，重点验证长期效果，而非单次正确率的提升。
评论