如果你的孩子在做数学题时卡住了，你希望辅导老师做什么？
不是告诉他"这题做对了"——他做错了。不是泛泛地说"你再想想"——这没用。他需要的是精确的、有针对性的反馈：指出具体哪里出了问题、为什么会这样想、应该怎么调整思路。
arxiv 上一篇论文（Confirming Correct, Missing the Rest: LLM Tutoring Agents Struggle Where Feedback Matters Most）研究了AI辅导Agent在这个关键时刻的表现，结果不太乐观。
论文在研究什么
这篇论文由 6 位作者完成，核心问题是：LLM辅导Agent在不同教学情境下的反馈质量如何？
他们构建了一个系统化的评估框架，把辅导对话分成几种典型情境：
- 确认正确：学生给出了正确答案，Agent需要确认并解释为什么对
- 纠正错误：学生犯了错，Agent需要指出错误、解释原因、引导正确的思路
- 引导探索：学生卡住了但方向大致正确，Agent需要给出提示而不直接给答案
- 深度追问：学生理解了基本解法，Agent需要引导更深层的思考
发现：Agent在关键时刻掉链子
论文的核心发现用一个标题就概括了："Confirming Correct, Missing the Rest"。
LLM辅导Agent在"确认正确答案"这个情境下表现相当好——它们能准确判断学生的答案是否正确，并给出合理的解释。但在"纠正错误"这个最需要高质量反馈的情境下，表现明显下滑。
具体来说，Agent在纠正错误时容易出现以下问题：
误判。有时候学生的答案部分正确但存在微妙错误，Agent要么全盘肯定（漏掉了错误），要么全盘否定（误杀了正确的部分）。
解释不充分。即使Agent正确识别了错误，它的解释往往停留在表面——"这里算错了"而不是"你之所以会算错，是因为你对这个概念的理解存在偏差X"。
引导不足。好的辅导不只是指出错误，还要引导学生自己找到正确答案。但论文发现，Agent在这一点上尤其薄弱——它们要么直接给答案（剥夺了学生的思考过程），要么给出过于模糊的提示（学生根本看不懂）。
为什么这个问题严重
从教育的角度看，这恰好是最不应该出问题的情境。
学生在做对的时候，反馈的质量不那么关键——确认一下就好。但学生犯错的时候，反馈的质量直接决定了学习的走向。一个精准的纠正能帮学生突破认知瓶颈；一个模糊或错误的纠正则可能让学生更加困惑，甚至建立起错误的理解。
论文的标题"Missing the Rest"暗示的正是这个困境：Agent能做好容易的部分，但恰恰在最需要它的地方——学生犯错时——缺位了。
与现有AI教育产品的关系
现在市面上的AI辅导产品不少：Khan Academy的Khanmigo、Duolingo Max、各种AI数学辅导工具。它们大部分都基于类似的LLM技术。
论文的结果对这些产品提出了一个尖锐的问题：你的AI导师在关键时刻可靠吗？
这不是一个容易回答的问题。因为要评估辅导质量，不能只看"Agent说了什么"，还要看"学生听懂了什么"、"学生的理解有没有真正改善"。这需要长期的追踪研究，而不是单次对话的评估。
我的看法
这篇论文的价值在于它把AI教育的研究从"能不能辅导"推进到了"在什么情境下辅导得好"。
"AI能不能当老师"这个问题已经过时了。现在的核心问题是：AI在哪些教学情境下是可靠的，在哪些情境下需要人类教师的介入？
论文给出的答案是：AI在确认和解释方面可靠，在纠错和深度引导方面不可靠。这为AI教育产品的设计提供了一个实用的指导原则——让AI负责它能做好的部分，在它薄弱的环节引入人类教师的监督。
从技术角度看，改进的方向也相对清晰。Agent在纠错时的薄弱表现，很大程度上源于LLM的一个固有特点：它们擅长生成流畅的文本，但不擅长进行精确的逻辑分析。纠正错误需要精确的逻辑分析——找到推理链条中具体断裂的位置。
未来的辅导Agent可能需要在这个方向上做专门的设计。比如引入形式化的推理验证模块，在Agent给出纠错反馈之前，先用一个独立的逻辑检查器验证反馈的准确性。
教育的本质不是知识的传递，而是思维的训练。当AI试图承担这个角色时，它需要的不只是更好的语言生成能力，而是更深层的理解和推理能力。
主要来源：