Microsoft и Иллинойский университет создали StudentSim, цифровых двойников учеников для ИИ-репетиторов

ИИ-репетиторы работают лучше, когда подстраиваются под сильные и слабые стороны конкретного ученика. Но чтобы понять, какая подсказка подходит именно этому человеку, нужны данные реальных учеников, а это дорого и медленно: как пишут авторы работы, обучение репетитора на большой и разнородной группе школьников «непомерно дорого и долго». Из-за этого прогресс ИИ-репетиторов отстаёт от прогресса самих языковых моделей.

Исследователи Microsoft и Иллинойского университета предложили обходной путь: строить цифровую копию, «реплику», каждого ученика и получать быструю обратную связь от неё, а не от живого человека. Их система StudentSim создаёт отдельную реплику под каждого ученика даже тогда, когда записей о его работе очень мало.

Существующие подходы решают только одну из двух нужных задач. Модели, обученные на реальных данных учеников, достоверно воспроизводят поведение конкретного человека, включая типичные ошибки, но не умеют реагировать на объяснения репетитора. Языковые модели, которых просят просто изображать ученика, наоборот, охотно следуют подсказкам, но не дотягивают до уровня знаний того, кого должны имитировать. StudentSim измеряет обе способности как отдельные, поддающиеся оценке цели: насколько точно реплика повторяет ответы и типичные ошибки ученика и насколько охотно она исправляет ответ после подсказки репетитора.

Главная проблема, нехватка данных. В наборе данных по письменной английской речи медианный ученик написал всего три эссе, а больше двух третей учеников, пять эссе или меньше. Обучение реплики напрямую на таком малом числе примеров не работает: модель переобучается именно под них. Поэтому StudentSim учится в два этапа: сначала базовая модель обучается на объединённых данных всех учеников по предмету и усваивает типичные ошибки и то, как ученики исправляют ответы после подсказки; затем эту базовую модель донастраивают под конкретного ученика на тех немногих записях, что есть именно по нему. Во всех предметах базой служит языковая модель Qwen3-4B-Instruct компании Alibaba.

Метод проверили на 60 учениках по трём направлениям, шахматам, английскому как иностранному и математике, используя открытые датасеты с записями реальных учеников. Во всех трёх StudentSim обошла более крупную модель GPT-5.4, которую просили изображать ученика. В шахматах StudentSim предсказывает следующий ход игрока примерно вдвое чаще и почти всегда следует за исправляющей подсказкой; GPT-5.4 и специализированные шахматные модели в этом отстают. У каждого существующего метода, своя слабость: GPT-5.4 следует подсказкам, но не воспроизводит ошибки конкретного ученика, а шахматные модели повторяют поведение игрока, но не понимают словесные подсказки и просто их игнорируют. Показательный пример: в одной и той же позиции три реальных игрока сделали три разных хода, StudentSim воспроизвела выбор каждого из них, шахматная модель во всех трёх случаях предсказала один и тот же наиболее вероятный ход, а GPT-5.4 ошиблась во всех трёх случаях.

В качестве второго доказательства концепции исследователи с помощью реплики ученика улучшили шахматного репетитора. Профессиональные шахматисты оценили три версии репетитора: без дополнительного обучения на реплике, обученную с GPT-5.4 в роли ученика и обученную со StudentSim. Версия, обученная со StudentSim, получила лучшие оценки по всем трём критериям, она делала меньше всего грубых фактических ошибок и получила самые высокие оценки за качество объяснений и подстройку под конкретного ученика (в этом случае ученик предпочитал наводящие вопросы прямым инструкциям). Репетитор, обученный с GPT-5.4, по фактической точности оказался хуже даже репетитора без дополнительного обучения вовсе.

Сами исследователи подчёркивают, что это только доказательство концепции, а не заявка на лучшего в мире репетитора. Шахматы подошли для теста, потому что шахматный движок может объективно оценить, хорош ли ход в данной позиции; с сочинениями и открытыми математическими задачами так не выйдет, для свободных ответов нет надёжной функции оценки. Дальше команда хочет смоделировать, как ученики приобретают, удерживают и забывают знания за много занятий подряд; код StudentSim выложен на GitHub.

Microsoft параллельно тестирует ИИ-репетиторов на реальных учениках: в пилотном проекте в Нигерии школьники дважды в неделю на протяжении шести недель занимались с Copilot, и прирост их результатов на тестах оказался эквивалентен почти двум дополнительным годам обучения. OpenAI и Google предлагают собственные обучающие режимы, Study Mode и Guided Learning: они опираются на системные инструкции и дообученные для преподавания модели, но ни один не хранит модель конкретного ученика. Без такой подстройки помощь ИИ может даже вредить: по данным исследований, после короткой помощи от ИИ люди справляются хуже тех, кто с самого начала работал самостоятельно.

Ключевые факты

StudentSim от Microsoft и Иллинойского университета строит цифровую реплику ученика даже по нескольким записям его работы, обучение идёт в два этапа: сначала на данных всех учеников, потом донастройка под конкретного человека
На тесте с 60 учениками по шахматам, английскому и математике StudentSim обошла модель GPT-5.4: в шахматах верно предсказывает следующий ход игрока примерно вдвое чаще и почти всегда учитывает подсказку репетитора
Шахматный репетитор, обученный со StudentSim, получил у профессиональных шахматистов лучшие оценки по фактической точности, объяснениям и подстройке под ученика, репетитор, обученный с GPT-5.4 в роли ученика, оказался по точности хуже даже необученной версии
Метод, только доказательство концепции: для шахмат есть объективный судья-движок, а для сочинений и открытой математики надёжной функции оценки ответов нет
В параллельном нигерийском пилоте с Copilot ученики за шесть недель занятий дважды в неделю прибавили в тестах на уровень почти двух лет обучения; при этом OpenAI и Google в своих обучающих режимах модель конкретного ученика не хранят

Почему это важно

ИИ-репетиторы буксуют не из-за нехватки мощных моделей, а из-за нехватки данных: чтобы понять, какая подсказка подходит конкретному ученику, нужна обратная связь от живых людей, а собрать её на разнородной группе школьников исследователи прямо называют «непомерно дорого и долго». StudentSim снимает это ограничение, заменяя часть живых учеников их цифровыми репликами, обученными по минимуму записей, и делает разработку и тестирование ИИ-репетиторов заметно дешевле и быстрее.

Кому это важно

В первую очередь, исследователям и командам, которые строят обучающие продукты на базе ИИ: сама Microsoft уже испытывает репетиторов на Copilot с реальными школьниками в Нигерии, а у OpenAI и Google есть собственные обучающие режимы Study Mode и Guided Learning. Метод также интересен разработчикам симуляций человеческого поведения в целом: то, что StudentSim решает для учеников, совмещение реалистичных ошибок с реакцией на подсказку, упирается в ту же нехватку данных, что и в других задачах, где нужна цифровая копия человека.

Как это применить

Код StudentSim выложен на GitHub, а базой во всех трёх проверенных предметах служит открытая модель Qwen3-4B-Instruct от Alibaba, то есть схему в принципе можно воспроизвести без доступа к закрытым моделям. Двухэтапная схема обучения (сначала на общих данных всех учеников, затем донастройка на записях одного человека) подходит именно для случаев, где реальных данных по каждому ученику мало, а не для задач с большим массивом однородных данных.

Можно ли доверять

Это академическая работа, а не готовый продукт: авторы сами называют результат лишь доказательством концепции, а не претензией на лучшего репетитора. Издание не приводит ни имён исследователей, ни площадки и даты публикации препринта, известны только два института-разработчика, Microsoft и Иллинойский университет. Проверка проведена на скромной выборке, 60 учеников по трём предметам, а абсолютные числа точности GPT-5.4 и специализированных шахматных моделей в источнике не приведены, указано лишь превосходство StudentSim над ними.

Риски и подводные камни

Метод обкатан там, где есть объективный судья, шахматный движок; для сочинений и открытых математических задач, где нет надёжной функции оценки свободного ответа, авторы прямо признают задачу более сложной. Есть и обратный эффект, о котором говорит сам источник: обучение репетитора на GPT-5.4 в роли ученика ухудшило фактическую точность репетитора по сравнению с версией вовсе без дополнительного обучения, а ИИ-помощь без подстройки под конкретного ученика в принципе может вредить, по данным исследований, после короткой помощи от ИИ люди справляются хуже тех, кто работал самостоятельно с самого начала.

«непомерно дорого и долго»

— авторы статьи о StudentSim