在《教育AI实验室》本轮实验中，我们把问题收窄到一个可验证的环节：如何把学生一次作业中的错题，稳定映射到知识点层级，并据此生成分层练习。我们没有让通用大模型直接“出题”，而是先用校内近两年题库搭建知识点标签体系（约1200个节点），再用小模型完成题目—知识点匹配，最后由大模型负责变式题生成与解析，形成“标注—诊断—生成—教师复核”的闭环。
【阶段性进展】
- 知识点匹配在数学、物理两科测试集上，Top-3命中率约91%，误差主要来自跨章节综合题；
- 分层练习经6位学科教师盲评，约七成题目可直接使用，其余多需调整题干表述或难度梯度；
- 单份作业的诊断与生成耗时约40秒，教师平均复核约3分钟，低于人工组卷的15分钟。
【下一步计划】
扩充英语与化学两科标签体系；引入学生历史作答序列，把“当前错题”与“前置薄弱点”关联，验证补漏型练习是否比同难度题组更有效。
评论