AI2 发布 TutorMoments 预览版：评测大语言模型在辅导中能否把握"何时帮、何时放手"的取舍

Ai2 发布 TutorMoments 预览版——一个基于真实数学辅导回放的评测框架，用来衡量大语言模型在辅导学生时能否平衡"搭支架"与"放手"之间的取舍。对 7 个模型的初步测试显示，它们普遍倾向于过度帮助；即便在提示词中点明这一权衡，表现仍未追上人类教师的一致水平。团队同步开源了 462 份美国 2-7 年级脱敏转录文本（含 1500 余个教师标注关键时刻）、评分代码与回放结果。