Исследовательское подразделение Microsoft представило систему StudentSim, предназначенную для имитации поведения учащихся при тестировании ИИ-инструментов для обучения. Разработка призвана заменить дорогостоящие и длительные испытания с участием реальных людей на этапе ранней проверки эффективности образовательных моделей.
Система создает персонализированные симуляторы на основе анонимизированных данных об успеваемости. Обучение проходит в два этапа: сначала модель изучает типичные ошибки и способы их исправления на больших выборках, а затем адаптируется под записи конкретных учеников. Эффективность оценивается по показателям поведенческой точности и отзывчивости на инструкции.
Исследование охватило три направления: шахматы, английский язык и математику. Для оценки результатов был представлен бенчмарк StudentSimEval. В шахматных задачах показатели системы составили 0,5150 по точности поведения и 0,9067 по отзывчивости, что выше результатов моделей GPT-5.4 и Maia2.
В экспериментах с обучением ИИ-наставников по шахматам использование обратной связи от StudentSim позволило достичь точности в 90,5%. Для сравнения, базовые модели без обучения показали 75,7%, а модели с обратной связью от GPT-5.4 — 71,6%. Microsoft подчеркивает, что StudentSim является инструментом для исследователей, а не готовым продуктом для школ.
