Chunlin 的论文科普

AI 家教能像调音量一样控制教学风格吗？

高等教育

课堂上，学生卡壳时你需要给点提示，学生没信心时你需要多鼓励，学生想偷懒时你得把他拉回正题——好的教学，本来就是随时切换风格的艺术。但用过 AI 家教的老师多半有个感觉：这东西要么太”直给”，直接把答案甩你脸上；要么太”啰嗦”，绕半天说不到重点；你想让它温柔一点，它可能就开始跑题；你想让它严格一点，它又像个只会念标准答案的机器人。

为什么 AI 家教总是”不对味”？核心问题不是它懂不懂知识，而是教师没法精准控制它的教学行为。你只能在提示词里写”请做一个有耐心的老师”，但”有耐心”到底是多给提示、多鼓励，还是多反问？AI 理解的和你想要的，常常不是一回事。更麻烦的是，一旦学生状态变了，你没法像调音量一样，随手把教学风格从”提示模式”拧到”鼓励模式”。

这种可控性的缺失，也让不少教育者开始反思：如果 AI 家教总是按自己的”脾气”来，传统的学业评价方式是不是已经没法准确衡量学生的真实能力 [4]？

给 AI 装七个教学档位：PIVOT 是怎么做到的

最近一篇名为 PIVOT: Preference-based Intervention Vectors for Pedagogical Tutor Steering 的论文，就给 AI 家教装上了一个真正的”教学风格旋钮”——不是靠改提示词，而是直接在模型内部”调整声道”，让教师能在 7 种明确的教学行为之间实时切换 [1]。

你可以把它想象成音响的均衡器：以前你只能对着麦克风说”请把低音调高点”，音响可能理解成把音量整体调大；现在你有 7 个独立的推子，每个推子对应一种具体的教学动作，推上去多少，效果就有多强。

这 7 个档位不是研究者拍脑袋想的，而是从智能辅导和课堂话语研究的文献里提炼出来的、可区分的典型教学行为（tutor move），大致可以分成三类 [1]：

同一个问题，比如学生问”什么是逆温、为什么影响空气质量”，在 PIVOT 的控制下，AI 家教可以给出 7 种完全不同风格的回应：从”逆温就是暖空气层盖在冷空气上面，污染物散不出去”的直接讲解，到”暖空气在上、冷空气在下，污染物还能往上飘吗？“的提示引导，再到”你觉得自己现在对这个概念理解到哪一步了？“的反思追问 [1]。

当然，实际情况比这个比喻更复杂——它不是简单地给每种风格写个模板，而是通过**激活转向（activation steering）**技术实现的：简单说就是在不修改模型权重、也不改动提示词的前提下，在推理时往模型的残差流（residual stream，你可以理解为模型内部传递信息的”主干道”）里注入”转向向量”，直接改变模型的输出倾向。

PIVOT 的核心是一套”生成-判断-优化”的在线学习循环 [1]：

  1. 先让冻结的大模型生成一批候选回答；
  2. 用经过人类验证的 LLM 裁判（分别负责判断教学行为类型、内容相关性、语言流畅度）给这些回答打标签；
  3. 把目标教学行为作为正例，把容易和它混淆的其他行为作为”硬负样本”，构造偏好对，用加权的偏好优化损失，在模型的多层残差流上联合训练出每个档位对应的转向向量。

这里有个反直觉的发现：很多人以为 AI 越靠后的层越负责高级行为，但实验显示，控制教学风格时，去掉最后几层几乎不影响效果，反而是早期和中间层最关键——这说明”怎么说话”的风格表征，在模型的前半段就已经形成了 [1]。

而且这些向量不是”一次性”的。推理的时候，你可以：选单个向量、调强度（α 参数）、注入指定层，甚至把多个向量加减组合。比如”反馈”档位原本命中率是 48%，把”提示""直接讲解""聚焦""追问”这几个容易混淆的向量减掉一点，命中率就能升到 73% [1]。

效果到底怎么样？在数学和地球科学的辅导数据上，当强度 α=1.5 时，7 种教学行为的平均目标命中率都在 88% 左右；哪怕拿到完全没见过的大学 AI 课程对话数据上，命中率也有 80.6% [1]。

更有说服力的是教师的真实反馈。30 名数学教师参与了用户研究，对比使用相同提示词的中性基线版本和 PIVOT 可控版本，结果 73.3% 的教师更喜欢可控版本的对话，认为控制方式清晰、好用、符合教学实际；在 1-5 分的 Likert 量表上，“支持性好但不过度揭示答案”得分 4.23，“内容连贯相关”得分 3.83，“控制效果清晰”得分 3.77 [1]。老师们还会根据学生状态自己搭组合：学生卡住时用”聚焦+提示+追问”三件套，学生没信心时加上直接讲解和反思提问 [1]。

从「能用」到「好用」：AI 家教可控性的三步进化

PIVOT 不是凭空出现的，它其实是 AI 家教可控性这条路上的第三步。

第一步，是传统的智能辅导系统（Intelligent Tutoring Systems, ITS）。这条路走了几十年，核心是把学生知识和教学策略都显式地建模出来——学生哪里没掌握、下一步该练什么、该给什么反馈，都是规则或专门模型算好的 [5]。它的优点是精准、适应性强，缺点是成本极高，只能针对特定学科和知识点，很难规模化。有基准测试显示，哪怕是今天最好的大语言模型，在教学适应性上也只是勉强模仿 ITS 的皮毛 [6]。

第二步，是大模型时代的提示工程和微调。大模型一来，大家发现不用从零建系统了，只要写好提示词，或者用教学数据微调一下，就能得到一个像模像样的 AI 家教。比如用强化学习把模型往”有帮助、个性化、有创造力”的方向对齐 [7]，或者用行为引导微调让模型更会苏格拉底式提问 [8]。但这条路的问题是，控制是”粗粒度”的——你能让模型整体更像个好老师，但没法在课堂上实时、精准地切换具体策略。提示词写得再细，模型也可能跑偏；微调完了，风格就固定了，想改就得重新训。

而 PIVOT 代表的第三步，是激活转向（activation steering）。简单说就是：模型我不训了，权重全冻住；我只在推理的时候，往模型内部的”信息流”里加一点点方向，就能改变输出行为。它的好处显而易见：不用重训模型、切换几乎零成本、控制粒度细到具体的教学动作、还能组合使用。用”调音旋钮”来类比的话，ITS 是定制好的固定音效 CD，提示工程和微调是出厂预设的几种音效模式，而激活转向是你手上那个能实时拧的均衡器。

不过，现在就说”AI 家教可控性问题解决了”还为时过早。PIVOT 自己也承认好几个关键局限 [1]：

第一，它只验证了教师偏好和回答质量，没测真实的学生学习效果。老师觉得好用是一回事，学生用了之后是不是真的学得更好、记得更牢，还没有数据。这也是所有 AI 教育技术最核心的考验。

第二，控制是静态的，得老师手动调。现在的旋钮是给老师用的，老师得自己判断学生状态、自己切档位。但真正理想的 AI 家教，应该能自动感知学生卡壳了、走神了、没信心了，然后自动切换策略——这一步还没做到。

第三，效果边界还很窄。目前的实验主要在 Qwen3.5-9B 系列模型上、数学和科学类辅导场景、强度 α 在 1.0 到 2.0 之间时效果最好；强度太高的话，内容相关性和流畅度会急剧下降。换到更小的模型，反思类的行为质量就会明显下降；换到其他模型家族、其他学科、非英语场景，效果怎么样还不知道。跨模型迁移时，“提示”这类行为的命中率掉得最厉害 [1]。

第四，复杂策略的组合还缺乏系统验证。现在我们知道两个向量加减大概有用，但如果是更复杂的多步教学策略（比如先聚焦、再提示、再追问、最后反馈），向量组合起来会不会互相干扰、效果还纯不纯，还说不清楚 [1]。

如果你只记住一件事

AI 家教的核心矛盾，正在从”能不能答对题”变成”能不能按老师想要的方式教”，而 PIVOT 代表的激活转向技术，第一次让”像调音量一样实时切换教学风格”从比喻变成了实验室里可验证的现实。

参考文献

  1. PIVOT: Preference-based Intervention Vectors for Pedagogical Tutor Steering（arXiv、2026、全文精读）
  2. Exploring Large Language Models for Evaluating Automatically Generated Questions（OSF Preprints (OSF Preprints)、2026、仅摘要）
  3. Transformers in Education: Personalized Learning Systems with AI-Driven Recommendations（2026、仅摘要）
  4. From courseroom to competency: Are AI-reliant graduates truly prepared?（NSUWorks (Nova Southeastern University)、2026、仅摘要）
  5. Proceedings of the Second Work shop on Artificial Intelligence for Artificial Intelligence Education（OAPEN (The OAPEN Foundation)、2026、仅摘要）
  6. Can Large Language Models Match Tutoring System Adaptivity? A Benchmarking Study（ArXiv.org、2025、仅摘要）
  7. Cultivating Helpful, Personalized, and Creative AI Tutors: A Framework for Pedagogical Alignment using Reinforcement Learning（ArXiv.org、2025、仅摘要）
  8. Discerning minds or generic tutors? Evaluating instructional guidance capabilities in Socratic LLMs（ArXiv.org、2025、仅摘要）