跳到正文

#教育大模型

今日 0 条
10月9日周五
  1. arXiv · cs.CY（AI+教育/社会）71

    研究：优化教学指标反而降低 LLM 家教质量

    一项 arXiv 研究测试了用教学表现指标微调大语言模型家教的做法：在 2000 个学习者场景中审计某前沿家教，并用开源权重代理模型修正其最弱案例后，指标从 +0.05 升至 +0.42，但 31 位受训教育者的盲评分数从 4.46 降至 3.03，未修改的对照组保持不变。

    推荐理由：研究用 2000 个学习场景与 31 位教师盲评，展示教学指标优化与专家判断背离的过程，为 AI 家教评测设计提供参照。

  2. arXiv · cs.CL（语言与教育交叉）42

    System-One LLM 能否在少量或无学习者日志时完成知识追踪？

    研究测试了现成 System-One LLM 在少量或无学习者日志下的知识追踪能力：Jev 在无目标平台数据时于七个数据集上平均 AUC 达 .706，高于 28 个深度知识追踪模型用 8 名学习者训练的最佳成绩（.689），也高于 System-Two Thinking-KT（.650），API 成本约为其 1/100。

  3. arXiv · cs.CL（语言与教育交叉）62

    微调小模型在语法概念标注上超越提示式前沿模型并已部署

    研究团队用筛选并重平衡的教师生成监督数据微调 Qwen3.5 小语言模型，并将 0.8B 模型部署到面向平台全部英语学习者的语法掌握度追踪器中。在两个人工标注基准上，部署的 0.8B 模型与 4B 参照模型在概念、证据片段和正确性三层嵌套匹配标准下的精确率与召回率均超过提示式 GPT-5.4 和 GPT-5.6 Sol，服务成本降低约 16 倍。

    推荐理由：论文给出微调小模型在语法标注上超越前沿大模型的精度与成本对比，可供教育产品选型参考。

10月8日周四
  2. arXiv · cs.CY（AI+教育/社会）41

    GPT-5.4 双建议对比单建议 AI 辅助：住院医师影像判读随机多读者研究

    一项在中国三家医院开展的随机三臂多读者研究显示，132 名临床经验不足 3 年的住院医师在 AI 辅助下判读 60 张影像，放射科住院医师采用 GPT-5.4 加 Kimi-K2.6 或 Gemini-3.6 Flash 的双建议支持，准确率提升比单用 GPT-5.4 高 6.69 和 7.87 个百分点（Holm 校正 P=0.030），非放射科住院医师则无显著差异。

  3. arXiv · cs.CY（AI+教育/社会）39

    《信心博弈：人机委派中的策略性校准偏差》——LLM 智能体在高置信度下仍误报成功概率

    研究者提出"信心博弈"模型，将 LLM 置于智能体角色并告知其真实成功概率，结果模型在 56% 被明确告知可能失败的任务上仍声称高置信度。在真实任务中，模型需自行估计准确率，校准偏差进一步加剧，信号信息量下降。该策略性报告摧毁了 68% 的委派收益，其中 71% 是报告不再携带的信息，且用户再高的辨别力也无法恢复。

  5. arXiv · cs.CL（语言与教育交叉）22

    RUSPAN：将评分标准跨度作为标签表征的短答案评分框架

    RUSPAN 是一个以评分标准为条件的自动短答案评分（ASAS）框架，将题目、学生答案与所有候选评分等级序列化为单一序列，在一次 LM 前向中按列表方式打分。其 RUSPAN-RIM 变体用评分标准独立掩码阻止各评分标准跨度互相注意，防止训练时过拟合评分标准模式，以支持零样本迁移。

10月7日周三
  2. arXiv · cs.CY（AI+教育/社会）42

    基于 AI 的数学学习中求助策略的变化可预测无 AI 辅助下的表现

    一项针对 112 名九年级学生的研究发现，学生使用通用 GenAI 进行数学建模练习时，其求助内容在会话内逐渐转向理解导向（概念与程序性帮助，而非寻求答案或验证）的轨迹，能预测后续无 AI 辅助下的表现；而 AI 使用行为的静态汇总在预测试成绩之外无法解释额外方差。研究共采集 880 条实质性学生发言，其中 95 人完成前后测，89 人可计算求助轨迹。

  3. arXiv · cs.CY（AI+教育/社会）41

    从书面作答到与 AI 对话：活动形式、交互模态与语言如何影响学生学习与参与

    一项针对印度卡纳塔克邦 305 名以英语授课的卡纳达语母语本科生的实地研究发现，与 AI 进行对话式活动（文本或语音）的学生投入时间更多、贡献更多，兴趣与自我效能感也更高，但完成率低于书面作答。所有条件下知识均有提升，活动形式与语言之间无可靠差异；双语交互在语音对话中尤其有益，可减少表达困难、增加体现理解的轮次并降低对话中断。

  4. arXiv · cs.CY（AI+教育/社会）39

    如何教未来工程师与 LLM 协作：一场可扩展的 gamified 工作坊

    一项面向工程硕士生的可扩展游戏化工作坊，通过移动网页界面让 226 名学生在 10 场活动中分别为非推理型与推理型 LLM 编写提示词，完成复杂度递增的网格导航任务，系统返回机器人可执行方案、轨迹可视化与自动评分，并以 Boston Dynamics Spot 机器人现场演示收尾。

  5. arXiv · cs.CY（AI+教育/社会）24

    从算法边缘化到 AI 中介的文化再中心化：文化扎根的 AI 能否让客家语言文化重回主流社会？

    一篇概念性 Research Note 提出连接"算法文化边缘化""文化扎根"与"AI 中介的文化再中心化"的框架，以台湾客家话为案例，提出八项待实证检验的命题。作者指出，大语言模型日益中介写作、翻译、信息检索与教育，功能不足会把少数语言使用者推向主流语言，而看似流畅的辅助又可能把有文化特色的表达标准化。该框架区分技术可用性与社会实际使用、事实准确性与文化忠实度，并不假设 AI 能替代代际传承。

  6. arXiv · cs.CL（语言与教育交叉）26

    语言承载专家印象：工具锚定的 LLM 评委实现咨询质量评估跨域迁移并超越域内训练

    在三个德语模拟咨询语料（含两个全科医疗、一个学校家长-教师场景，共 n=195 段专家评分会话）上，跨域训练优于域内训练：留一域迁移的嵌套 Spearman ρ 达 0.54，而目标域内训练不超过 0.48，配对会话级差距为 +0.15，训练集规模匹配后仍保持 +0.12。

10月5日周一
  2. arXiv · cs.CY（AI+教育/社会）42

    LLMersion：面向教育公平的低成本家庭语言学习本地优先 AI 智能体框架

    LLMersion 提出一种完全在家运行、基于学习者自有文档的 AI 教育方案，并发布开源原型 LLMersion-1。该方案依托小型开放权重模型，使完整四技能学习栈可运行在 200 美元级笔记本上，按社区测量约每小时学习仅耗 1 美分电费，且生成速度匹配语音消费节奏。v2 版本新增界面图与配套工具 LLMersion Narrator。

  4. arXiv · cs.CY（AI+教育/社会）40

    相同成绩，不同过程：AI 介入教育中的认知所有权

    一项针对 150 组学生与 AI 对话样本的分析发现，相似的作业成绩可能对应截然不同的认知参与模式。研究以“认知所有权”为框架，考察 Direction、Integration、Evaluation 三个维度，指出作业分数只能反映评估结果，无法还原学生与 AI 之间认知工作的分配方式。研究据此提出，测评应纳入认知过程的证据，而非仅依赖最终产出的质量。

10月2日周五
  1. arXiv · cs.CY（AI+教育/社会）31

    DBWorkout：面向数据库课程形成性学习的游戏化 SQL 练习平台

    DBWorkout 是一个基于网页的 SQL 练习平台，通过沙箱执行、基于结果的自动反馈和会话式游戏化支持形成性学习，并用 LLM 辅助工具在人类参与流程中生成数据库模式与任务。在 170 名本科生两次课堂部署中，90% 学生认可学习价值、87% 感到有趣、仅 22% 报告压力低，但只有 42% 认为自动反馈足够可操作，40% 的开放式回答也提出反馈质量问题。

  2. arXiv · cs.CY（AI+教育/社会）33

    本科生如何在计算机科学各子领域使用大语言模型：一项跨子领域分析

    一项针对 211 名本科生的跨子领域分析发现，学生对大语言模型（LLM）的使用因作业而异：算法和 Web 开发中用量较高，软件工程中较低。学生主要将 LLM 视为辅助工具而非权威来源，各子领域普遍进行验证，且多数使用多种验证策略；结构化任务中更常用测试，开放式任务中更常用网络搜索。该研究基于七个教学模块的课后反思数据，表明作业特征在塑造学生使用与评估 LLM 输出方面起核心作用。

  3. arXiv · cs.CY（AI+教育/社会）22

    CALLIOPE：一个基于来源的口语测评系统与合成就绪度评估

    CALLIOPE 是一个基于来源的口语测评系统，整合版本化教学材料、学习者录音转写、自适应提问、双供应商评分标准打分、教师复核与可导出证据。2026 年 9 月 25 日的合成验证记录显示，三个口语样本在最终发布演练中获 AI 总分 100、62、8（满分 100），并触发两次供应商分歧标记；两轮运行中 8 个检索音频文件均与输入逐字节一致。

10月1日周四
  3. arXiv · cs.CY（AI+教育/社会）26

    大语言模型时代的拟人化：潜在风险与缓解措施综述

    一篇综述梳理了大语言模型（LLM）拟人化研究的理论框架、语言框架作用、风险与缓解策略，提出将 21 项担忧归入认知、情感、人类能动性、规范、社会与制度五类的风险分类法，并对应设计、传播、教育与治理四类干预措施。作者认为，理解 AI 系统需要基于其组织方式与已展示能力的概念和理论，语言对拟人化感知的塑造也应纳入这一科学努力。

9月30日周三
  1. arXiv · cs.CL（语言与教育交叉）42

    DraftTrace：面向 AI 融合写作的多视角分析环境

    DraftTrace 是一个同时捕捉写作成品、写作过程与 AI 助手交互三类视角的写作环境，可将文档随时间演变的过程重构为提交级、纵向和班级级分析供教师使用。研究在一门研究生 NLP 课程中部署该环境，覆盖 81 名学生，并将其会话与自动化工具输入的 LLM 生成回答及复制粘贴回答进行对比。

  3. arXiv · cs.CY（AI+教育/社会）22

    学术前沿 AI 访问的授权缺口：15 条访问路径的编码分析

    对 2026 年 9 月 19 日记录的 15 条公开前沿 AI 学术访问路径进行结构化编码（10 条符合预设纳入标准），发现 9 个项目有明确资格标准、3 个存在隐含机构前提，但下游规范薄弱：6 个项目未说明访问期限，7 个未报告使用或成果指标，5 至 7 个未明确责任归属。

9月21日周一
  1. 黑板洞察（教育行业研究）40

    《2026智能教育发展蓝皮书——人工智能助力打造未来课堂》正式发布

    讯飞教育技术研究院与中国教育技术协会智能教育专业委员会联合编写的《2026智能教育发展蓝皮书——人工智能助力打造未来课堂》于9月19日在第八届智能教育论坛上正式发布。蓝皮书共8章，基于征集的366个实践案例，系统探讨未来课堂的发展方向、新型环境与实践路径，覆盖元宇宙学习空间、智能教室、教学智能体等新型资源形态及项目式、游戏化等教与学方式。

9月16日周三
9月15日周二
  1. Google AI Blog28

    Google AI & Economy ATLAS 发布新数据可视化与科学家 AI 使用研究

    Google 为 AI & Economy ATLAS 上线新的交互式开放数据可视化，便于查看各职业与各国的 AI 使用率。基于 ATLAS 的新研究分析了 2600 个专用 AI 模型并调查 600 余名美英科学家，发现近半数科学家每天使用 AI，每周节省近 7 小时，但验证 AI 输出与假设积压形成新瓶颈。

9月11日周五
9月8日周二