不是产品，也没有进课堂
微软研究院 10 月 12 日发表 StudentSim。帖子第一段就写明：它是一套研究系统，用来在真人测试之前评估和改进 AI 助教；不是产品，没有部署在课堂里，也不打算代替教师。
数据只用公开、供研究使用、已经去掉身份的学习记录。没有使用可识别个人的信息。每个模拟器只在它要代表的那个学生的记录上做专门化。
[1]
要像这个学生，也要能跟着提示改
帖子把目标拆成两件。行为保真度：在留出的题目上，模拟器是否像这个学生的作答。对指导的响应：读了助教的提示之后，答案是否会改。
只像过去的作答，看不出提示有没有用。什么提示都照做，又会丢掉这个学生的水平、弱项和容易犯的错。评测叫 StudentSimEval，覆盖国际象棋、第二语言英语写作和数学。训练分两段：先在同一领域许多学生的记录上学共同的格式、常见错误和收到提示后的改法，再用这一个学生自己的记录做专门化。
[1]正文写清对照数字的是国际象棋
帖子说三个领域都超过主要基线，并拿国际象棋做例子。StudentSim 的行为保真度是 0.5150，对指导的响应是 0.9067。GPT-5.4 是 0.2316 和 0.7186。国际象棋专用、用来预测人怎么走棋的 Maia2 是 0.4535 和 0.2721。
这个对照说明两件事。GPT-5.4 更能跟着提示改，但不稳定地像某一个学生。Maia2 更接近人的走法，但没有一条接受自然语言提示的路径。写作和数学的具体分数，这篇正文没有列出。
[1]模拟反馈可以训助教，专家是盲评
帖子还做了一个国际象棋助教的强化学习实验。助教看到棋局和学生原先的错着，然后写提示。模拟器自己的参数固定，读完提示再走出修正的一步。奖励是这一步相对原先那步的棋力变化，用 Stockfish 当独立的棋力信号。
三种条件用同一套助教策略、同一个监督微调起点和同一套强化学习设置：没有强化学习、用 GPT-5.4 当模拟学生来给奖励、用 StudentSim 来给奖励。人类国际象棋专家在不知道条件的情况下给回答打分。
用 StudentSim 做奖励的助教，准确率是 90.5%。没有强化学习的基线是 75.7%。用 GPT-5.4 做奖励是 71.6%。帖子把它写成概念验证：从真实学习记录训练的模拟器，可以给助教训练提供有用的反馈。真人研究仍然要用来看学习结果、安全、可用性和课堂是否合适。
帖子署名包括 Ke Yang、Chenglong Wang、Michel Galley、Chandan Singh、Jeevana Priya Inala、伊利诺伊大学的 ChengXiang Zhai，以及 Jianfeng Gao。
[1]