StudentSim：为每个学生训练一个「数字分身」，用来训练 AI 家教

既要像这个学生，也要听得进老师的话：两项都超过 GPT-5.4 扮演

3 分钟版

问题　现有学生模拟器只覆盖一半需求：知识追踪类模型能拟合学生行为，但消化不了老师的解释和纠正；提示大模型扮演学生能流畅回应指导，却不能可靠复现被模仿学生的真实水平。

思路　两阶段训练：阶段 1 在某领域所有学生的汇总数据上训练一个基础模拟器，学共性（常见错误、回答格式、从指导到改正的路径）；阶段 2 从基础模拟器出发，只用某个学生自己的记录做专门化，每人一个模拟器。用行为保真度 F（像不像这个学生）和指导响应度 R（听了指导会不会改）两项指标评测。

结果　在覆盖三个领域 60 名学生的 StudentSimEval 上，逐人模拟器两项指标都超过 GPT-5.4。象棋中 F=0.51、R=0.91，GPT-5.4 为 0.23 和 0.72。用它做奖励训练的象棋家教，专家评定的准确率 90.5%，无 RL 基线 75.7%，GPT-5.4 模拟器奖励 71.6%。

所以呢　一个忠实且会响应的用户模拟器，可以直接变成训练产品的奖励信号。目前只建模「一步更新」，学生长期的学习与遗忘过程尚未覆盖。

关键数字

• 0.51 / 0.91 象棋：行为保真度 F / 指导响应度 R（摘要）
• 90.5% 以 StudentSim 为奖励训练的象棋家教准确率（专家评定）（§6 · Table 4）
• 3.93 个性化评分（1–5）（Table 4）
• 60 StudentSimEval 中的学生数（摘要）

局限与疑问

• 只建模一步更新，长期学习与遗忘未覆盖（作者自述）。
• 家教 RL 只在象棋上做概念验证。
• 人工评测样本量有限（74 条标注）。
• 学生总数 60 人，覆盖人群有限。

arXiv 摘要页 · PDF