代理人準備好教學了嗎？針對真實教學工作流的多階段基準測試
arXiv - Artificial IntelligenceZixin Chen, Peng Liu, Rui Sheng, Haobo Li, Jianhong Tu, Xiaodong Deng, Kashun Shum, Dayiheng Liu, Huamin Qu
本文推出 EduAgentBench，首個全面評估 AI 代理人教學能力（含教學判斷、互動與工作流執行）的基準測試。
AI 幫你先抓重點
AI 重點 1
教學 AI 的評估標準必須從「回答正確」轉向「教學能力」
滑鼠懸停看 AI 判斷理由
過去的基準測試多聚焦於模型是否能給出正確答案，但真正的教學代理人需要具備診斷學習者狀態、適時調整支持強度及執行複雜教學流程的能力，這才是 EdTech 邁向實務應用的關鍵。
AI 重點 2
教學工作流的自動化執行是目前 AI 的技術瓶頸
滑鼠懸停看 AI 判斷理由
模型在單純的知識問答表現尚可，但在需要整合學習管理系統（LMS）並進行自主教學決策的複雜情境下表現不佳，這提醒開發者未來應更關注 AI 在教學環境中的整合與適應能力。
核心研究發現
- 1
開發了 EduAgentBench，包含 150 個受控任務，涵蓋教學判斷、多輪互動教學及 Canvas 式教學工作流執行三種維度。
- 2
研究發現目前頂尖模型雖具備有限的教學判斷能力，但在情境化互動教學與自主執行教學工作流方面，仍未達到專業教學標準。
- 3
該基準測試採用教學洞察驅動的流程構建，並結合驗證訊號與人工審查，確保評估具備理論基礎與真實性。
對教育工作者的啟發
對於教育科技開發者而言，這項研究強調了開發「教學代理人」不應僅追求知識檢索的準確度，更應著重於「教學決策」與「情境適應性」。課程設計者在設計 AI 輔助教學工具時，應考慮如何將教學理論（如 Scaffolding）轉化為 AI 的行為規範，並確保 AI 能與現有的學習管理系統（LMS）進行深度的工作流整合，而非僅作為一個獨立的問答機器人。
原始文獻資訊
- 英文標題：
- Are Agents Ready to Teach? A Multi-Stage Benchmark for Real-World Teaching Workflows
- 作者：
- Zixin Chen, Peng Liu, Rui Sheng, Haobo Li, Jianhong Tu, Xiaodong Deng, Kashun Shum, Dayiheng Liu, Huamin Qu
- 來源：
- arXiv - Artificial Intelligence
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。