给数学课配个 AI 辅导，两年只多考了一点
田纳西 18 所中学、两年、随机分组，用 Khanmigo 补数学。结果是每学期提升 1.3 个全国百分位，和不用 AI 的 Khan Academy 差不多。问题不在模型，在学生几乎不跟它说话。读完能知道该看哪个指标。
所有人都在说 AI 能给每个孩子配一个一对一老师。这个说法第一次被放进真实课堂、跑满两年，然后被称了称重量。
一、发生了什么
8 月，布朗大学安纳伯格研究所的工作论文库收录了 Philip Oreopoulos 和 Nina Low 的研究（编号 26-1551）。实验在田纳西州 18 所中学进行，为期两年，采用整群随机对照：一部分学生被随机分到使用 Khan Academy 配 Khanmigo 的班级。
设置很关键。Khanmigo 被配置成「引导」，不是「给答案」——学生问什么，它反问、提示，不直接说出结果。使用时间嵌在每天已有的数学补习课里，不额外加课，也不换教材。
结果：每学期提升约 1.3 个全国百分位排名，折算成一个学年约 0.06 到 0.08 个标准差。如果学生整年都高强度参与，模型推算的效果是 0.14 个标准差。
这个幅度，和被研究反复测过的「只用 Khan Academy、不用 AI」差不多。0.06 到 0.08 个标准差，在教育研究里属于偏小的效应：能测出来，但不足以改变一个班的排名。
原因写在数据里。96% 的学生至少试过一次 Khanmigo，但中位数学生只在三分之一的自习日给它发过消息；在做错题的练习环节里，只有 17% 的场景真正向它提问。发出去的消息，大多是直接报答案，或者点一下系统推荐的问题。
作者的结论很直接：卡住效果的不是模型质量，是使用强度。
二、跟你有什么关系
学校采购的人。 「买了多少席位」不是指标，「每周有多少次实质对话」才是。合同里应该写后者。
一线数学老师。 这套工具在「学生愿意问」的班级里有效，在「学生连错题都懒得看」的班级里等于多开了一个网页。它放大的是原有的学习习惯。
家长。 孩子说「学校有 AI 辅导」不等于他在用。真正的信号是：他会不会把做错的题拿去问，以及问的是「这题答案是多少」还是「我这一步为什么错」。
做教育产品的人。 这项研究最反直觉的地方是：把「不给答案」设成硬约束，反而让使用率掉下去。产品要在「教得对」和「有人用」之间做取舍，这次的实验说明后者更难。
三、怎么判断你手上的 AI 辅导有没有在用
读到这儿，可以顺路看 三星把权重压到 0.1 比特，追平 1 比特基线 三星研究院开源 LittleBit 系列，把大模型权重压到每权重 1 到 0.1 比特，在 Llama-2、Llama-3 上追平主流 1 比特方法。读完能分清压缩倍率和能力保留，也知道评估这类方案该追问哪五个问题。- 看消息率，不看登录率。 登录是行政动作，发消息才是学习动作。这项研究里登录率接近 100%，消息率只有三分之一。
- 看它是不是被配成了「给答案」。 同一套系统，配置不同效果差很远。Khanmigo 这次特意设成引导模式，如果你们的版本可以直接要答案，学生一定会要。
- 看它替代了什么。 这次是嵌进原有的补习课，等于用 AI 换掉一部分练习册。如果 AI 是在原有课时之外额外加的，效果会被「时间不够」吃掉。
- 先做小对照。 两个平行班，一个用、一个不用，跑一学期，比看供应商的案例可靠。
- 把「提问」当成一项要教的技能。 这项实验里，学生发出的消息多是裸答案或点推荐问题。先教他们怎么描述卡在哪一步，再谈工具好不好用。
四、三个别信的说法
「AI 一对一提分显著。」 这项研究是目前规模最大、时间最长的实验之一，效应量 0.06 到 0.08 个标准差，属于「有，但很小」。而且它和不用 AI 的版本没有拉开差距——提升可能来自「多做了题」，不是来自「AI」。
「没效果，说明 AI 不适合教育。」 研究里 96% 的学生试过，但绝大多数没有形成提问习惯。这更像是一个产品设计和课堂组织的问题：怎么让学生愿意把「我不会」说出口。工具没坏，用法没成立。
「96% 的学生用过，说明接受度高。」 用过一次和使用一学期是两件事。中位数学生只在三分之一的自习日发消息，这个数字才是真实采纳率。做产品评估时，「触达率」和「使用强度」要分开报。
五、一句话结论
AI 辅导的天花板不在模型，在教室：学生不开口，再好的老师也只能站在旁边。
信息来源
功能与价格以官方公告为准。本文写于 2026 年 10 月 18 日。
每周一封，只发新教程和可复制模板。不发广告，随时退订。