K12数学AI解题批改：错误归因与分步反馈实验

本期进展聚焦K12数学学科AI批改的精细化能力。我们在一个样本量约1,200份的初中几何作业集上测试了"错误归因+分步反馈"流水线：先用静态分析定位解题路径中的卡点（辅助线缺失、相似三角形误用等），再用受限提示生成给出最小可执行的下一步建议，规避直接给出完整答案。

实验数据显示：归因一级标签（计算/概念/步骤/书写）的平均准确率约为82%，高于纯端到端基线的71%；教师抽样复核中，分步反馈被采纳率约76%，主要反馈集中在"指出错误点而不替代思考"。但模型对几何证明题的归因粒度仍偏弱，下一步我们将引入结构化证明表示与符号化规则校验，提升对"为何错"的解释质量。