AI 教育与科研

斯坦福团队做了个 StudentBench，拿 2383 人测 AI 教 GRE，效果跟人类导师打平，价格便宜 918 倍，数学部分回得越快学生学得越好。

教小模型做数学题的新训练方法，把教师模型的逐token提示和答案对错验证揉进一个GRPO更新里，Qwen3-1.7B和4B都涨了不到1个点，做RL训练的可以看看细节。

想做 AI 出题自动质检的可以看看：论文实测了 LLM、BERT、传统 ML 在布鲁姆分类上的 OOD 表现，LLM 拿到 0.79 的 F1，还给了几个低成本补救手段。

Arena 在招美国高校教师做 AI 评估研究，单项目最高给 5 万美元，做评估、对齐方向的老师可以看看，10 月 30 日截止。

lmarena.ai@lmarena_ai原文

Replit 的 CEO 和 HAA 创始人聊学习：别再上 Python 课，直接用 AI 做个自己想做的东西，比任何教程都管用。

a16z@a16z原文

Anthropic 让 Claude 自己读文献、挖基因组数据还提出了验证实验，真发现了一个疑似新基因编辑机制，Dario 亲自发的长文，值得看看 AI 做科研到底走到哪一步了。

官方账号Dario Amodei@DarioAmodei11 个信源在谈原文

Paul Graham 给 CS 学生指了条路：做 LLM 或者贴着客户用 AI，两端都行，想法挺实在。

Paul Graham@paulg原文

量化到 2-bit 后模型做数学题会发疯循环？这篇论文用 on-policy 蒸馏把 MATH-500 保留率从 35% 拉到 70%，做端侧部署的可以看看。

一篇把 LLM 强化学习里 credit assignment 讲清楚的论文，PACT 训练后在数学推理上比 GRPO 高 8.8 个点，搞 RL 后训练的值得看看推导。

把专用 harness 的本事直接练进模型权重，部署时甩掉笨重框架，成绩反而从 23.3% 涨到 44.3%。

一篇arXiv论文：AR加图像生成，教程直接画在你自己的工作台上，24人实验显示比预制教程更管用。

工程师定规矩，AI 智能体 2.9 小时写出 6 套土塞演化求解器，隆起误差从 58.4% 降到 9.0%。

用 PCA 就能找出数据里被压扁的少数群体，不用组标签，结果还能直接喂给 Fair PCA 补救。

蒸馏最烧token，这篇把教师监督压到0.1%-1%还不掉点，reverse-KL目标也保留，做训练的可以直接抄代码。

学生模型从看似无关的输出里学会没见过的任务，这篇论文用核函数把背后的数学原理讲透了。

这篇论文介绍了一种叫 RegKT 的新技术，专门用来提升知识追踪模型的性能，让它在处理教育数据时更稳定，不容易过拟合，同时还能保持模型的可解释性，对做教育应用的开发者可能有帮助。