机心卷 · 世界补丁日志

AI解题满分,教人却翻车:这道新考题给出了答案

2026-08-09 AI 辅助 · 人工审校 编号 cand-60e89ffc700a

你有没有过这种经历?问AI一道数学题,它秒出答案,步骤严谨;让它给你讲明白,它却从定理讲到公式再到证明,全程自嗨,最后你还是一脸懵。

你有没有过这种经历?问AI一道数学题,它秒出答案,步骤严谨;让它给你讲明白,它却从定理讲到公式再到证明,全程自嗨,最后你还是一脸懵。

这不是个别现象,而是当前AI的普遍短板——会解题,不一定会教人。

最近一项研究专门戳中了这个痛点。Teaching Monster Challenge(教学怪兽挑战赛),全球首个专门给AI“考教师资格证”的基准测试。它的出现,让“AI会不会教”这件事,第一次从模糊感受变成了可量化指标。


一道被忽视了40年的难题

要理解这项研究为什么重要,得先回到1986年。

那一年,教育学家舒尔曼(Lee Shulman)提出了一个概念:PCK(Pedagogical Content Knowledge,教学内容知识)。

它的核心观点很简单:教师光懂知识不够,还得懂怎么把知识“翻译”成学生能听懂的话。换句话说,知道≠会教。

这个概念在教育学界被反复研究了几十年,但在AI领域,几乎是空白的。

为什么?因为过去评判AI牛不牛,用的是MMLU(多任务语言理解)、GSM8K(数学推理)、HumanEval(代码生成)这类基准。它们测的是“AI知不知道”“AI会不会做”,从来不管“AI会不会讲”。

一个能答对博士级别问题的模型,未必能跟小学生讲清楚“什么是分数”。

这种割裂,在大模型刚出来时还能忍——毕竟大家更关心“它懂多少”。但当AI开始走进课堂、家庭、办公场景,“会不会教”就从加分项变成了刚需。


Teaching Monster Challenge:让AI去“当老师”

这项挑战赛的设计思路很巧妙:它不直接问AI问题,而是给AI一个虚拟学生档案,让它去教。

具体流程分三步:

第一步:构建虚拟学生。 系统给出学习主题(比如“分数的加减”“智能手机支付”“中国成语典故”),同时给出一份详细的“学生画像”——年龄、学历、文化背景、先验知识、学习动机。

第二步:AI生成教学内容。 模型根据这些信息,生成一段教学视频或讲解文本。

第三步:多维度评分。 评判者不只看“教得对不对”,更看“教得合不合适”。评分维度包括:

  • 准确性:知识点本身有没有讲错;
  • 适配性:讲解方式是否符合学生年龄和背景;
  • 清晰度:语言是否易于消化;
  • 互动性:有没有引导学生思考,而不是单向灌输。

举个例子:

  • 面对五年级学生讲“分数”,AI应该用“切披萨”打比方;
  • 面对退休老人讲“手机支付”,AI应该一步步截图演示;
  • 面对留学生讲“中国成语”,AI应该切换到对方熟悉的文化语境。

同一个知识点,“对面坐的是谁”不同,讲法完全不同。

这种能力,就是PCK。


当前AI表现如何?一句话:差强人意

研究团队对多款主流大模型进行了测试,结果并不乐观。

模型在“知识点准确性”上表现尚可,毕竟这是它们的强项;但在“适配性”和“清晰度”上,普遍不及格。

最常见的几种翻车姿势:

  1. 一刀切讲法:不管学生是谁,一律用同一套术语和深度;
  2. 过度专业化:给小学生讲“分数”,上来就是“分数单位”“通分约分”,完全没有铺垫;
  3. 缺乏示例:抽象概念没有具象化,学生听完更迷糊;
  4. 忽略文化差异:给外国学生讲中国成语,用了大量他们不了解的历史典故。

一个有意思的发现:参数更大的模型并不一定教得更好。某些情况下,中等规模模型反而更懂得“换种说法”。

这说明“会教”是一种独立于“知识量”的能力,不能靠简单堆参数解决。它涉及对受众的建模、对表达策略的切换、对反馈的预判——这些恰好是大模型传统的弱项。


这件事为什么重要?三个层次的解读

第一层:AI评估范式的转向

过去几年,AI评估基本围绕“能力测试”展开——你能答对多少题、能写多复杂的代码。但Teaching Monster Challenge引入了**“过程评估”**的维度:不只看结果,还看过程;不只看对不对,还看合不合适。

这意味着AI评测正在从“做题家”走向“沟通者”。这种转向,可能会在未来几年催生新一代评测基准——不再只问“你会不会”,还要问“你会不会讲”。

第二层:教育行业的连锁反应

传统教育最稀缺的是什么?不是知识本身,而是能把知识讲给学生听的人。

AI一旦具备PCK能力,冲击最大的不是学校,而是大量重复性讲解工作——课后辅导、答疑、知识科普、入门培训。

但要注意,AI不会取代所有老师。真正顶尖的教育,依赖师生间的情感连接、即兴反馈、价值观传递,这些目前AI还做不到。

AI最可能扮演的角色,是“私人辅导老师”,而非“班主任”。

第三层:普通人将迎来的变化

对普通用户来说,这项研究指向一个具体的未来场景:千人千面的AI私教。

  • 给小孩讲题,它清楚孩子几岁、哪科薄弱、爱听什么故事;
  • 教爸妈用新APP,它会自动放慢节奏、多举生活例子;
  • 自学新技能,它能根据你的背景选最合适的讲解路径。

这不是科幻。Teaching Monster Challenge的意义,在于把这种能力从“模糊愿景”变成了“可衡量目标”。当业界有了明确的评测标准,相关能力的提升就会加速。


展望:AI从“百科全书”到“私人教师”的关键一跃

舒尔曼提出PCK概念时,他大概没想到,40年后会有一群AI研究者试图把这套教育学理论“工程化”。

Teaching Monster Challenge只是起点。后续可能会出现:

  • 更细粒度的学生建模:不仅看年龄学历,还要看认知风格、情绪状态;
  • 多模态教学评估:不仅评文字讲解,还要评视频、动画、互动设计;
  • 跨文化教学能力:同一知识点在不同文化语境下的最佳讲法。

可以预见,“教学能力”将成为大模型的新竞技场。

下一个版本的GPT、Claude、Gemini,除了拼“谁更博学”,还要拼“谁更会讲”。

这对我们每个普通人来说,是一件好事。当AI开始学会“看人下菜碟”,我们获取知识的方式,可能会发生根本性的变化。


最后留个问题给你:你觉得AI要当好一个老师,最需要具备什么能力?是耐心?是会举例子?还是能听懂你“卡”在哪里?

评论区聊聊👇


参考来源:arXiv: 2608.08852v1, Findings of the First Teaching Monster Challenge: A Benchmark of Pedagogical Content Knowledge in AI Agents

#AI教育 #人工智能 #AI测评 #因材施教 #教育科技 #大模型

原文来源

边界声明 · 这项研究不能证明什么

本文为一手来源的中文编辑导读,结论的适用范围与证据强度以来源原文为准;不构成医疗、投资或其他决策建议。

AIGC 内容说明

本文由 AI 辅助起草,经今山海编辑部人工核对事实、来源与边界后发布。修订与更正将在本页留痕。