陈林再创业银河智学：AI教育为何不拼解题速度？

陈林又杀回教育赛道了，这次是第二次创业：为什么还要做教育？

11月9日晚，字节跳动原高级副总裁、今日头条及大力教育原CEO陈林发了一篇题为《我为什么还要做教育？》的文章，把他的再创业项目“银河智学”正式摆到台前。通用大模型能力如今越来越普及，这位互联网老兵却选择重回教育深水区，行业里讨论不少：AI几秒就能生成解题步骤，新的教育产品到底该解决什么问题？

答案在两天后变得明朗。第九届中国教育技术创新发展与应用成果大会在江苏无锡召开，银河智学首席科学家邓澍军博士登台做主题演讲，把公司产品“小鹿爱学”的技术逻辑与落地场景逐层拆开讲。他给出的判断很直接：大模型能给出答案，却不一定答得上“学生为什么不会”。教育AI真正该做的，不是停在提供答案这一步，而是往学生的认知过程里走。

拒绝“直接给答案”：AI需要读懂认知盲区

眼下的AI教育市场，多数产品还停在“问答”这一层：学生拍照或输入题目，AI给出解析和答案。模式确实高效，可学生思考的过程往往被剥夺了。答案记住了，逻辑没掌握；看着像学会了，换一道变式题照样不会。

银河智学团队的看法是，教育的核心不是知识传递的效率，而是思维能力的培养。AI如果只当一个更聪明的“搜题工具”，学习的本质并没有改变，甚至可能让学生产生依赖，独立思考能力被削弱。

小鹿爱学的设计里，团队强调“让技术退到幕后，让学生走到前面”。AI从“答题者”变成“引导者”。系统不会直接把最终结论抛出来，而是通过多轮对话，引导学生自己发现思路中的断点。

邓澍军在演讲中举了一个具体例子：圆柱体的高不变，底面半径变为原来的两倍，体积应该是原来的几倍？不少学生凭直觉会答两倍。这时候，小鹿爱学不会直接纠正说“错了，是四倍”，而是引入动态概念实验。学生拖动滑杆，就能直观看到半径变化对底面积、进而对体积的影响。同时，AI会像苏格拉底那样追问：“底面积公式是什么？”“半径加倍后，底面积变化了多少？”

这样引导，相当于替学生一级级搭好理解的“梯子”。学生试着做、做错了、再调整，结论由他们自己在过程中推出来。辅助会在合适的时候撤走，系统再用独立作答和变式练习验证一件事：迁移能力是否真的到手。团队想让学生带走的不只是正确答案，还有“原来如此”的顿悟，以及“我能做出来”的信心。

“双核”驱动：既要算得准，也要引导得好

要实现上面说的启发式教学，光靠通用的语言大模型不够。通用大模型擅长语言组织和通识推理，但碰到严谨的学科逻辑和个体认知诊断，容易出现“幻觉”或不够精准。

银河智学用的是“双核”技术架构：一边是经过教育场景专项调优的豆包大模型，另一边是自研的智能学习引擎。

“引导得好”这摊事交给大模型。团队做了两件事：构建解题思维链，做苏格拉底式启发对齐训练。模型被教会在解题的关键步骤停下来，抛出启发性的问题，而不是把结果直接给出去。另外，靠长期记忆的Agent能力，AI记得住学生以前错在哪类题、偏好怎么学，互动因此更能贴合个人。

“算得准”则由自研智能学习引擎承担。深度知识追踪（DKT）、项目反应理论（IRT）、认知诊断模型（CDM）、知识空间理论（KST）等经典教育测量学技术被融进这套引擎。学生作答、提问、订正的记录都拿来分析，引擎据此判断：哪些知识点已经掌握，薄弱环节在哪里，接下来学什么最合适。

两边是互补关系：引擎负责诊断学情、规划路径，大模型负责执行交互、启发思考。系统还在此基础上延伸出两个智能体角色。面向学生的“规划智能体”依据长程记忆推荐学习任务，并给出推荐理由；面向教师的“助教智能体”从海量数据里提炼学生的努力线索和进步细节，为教师做个性化指导提供依据。

规模化因材施教：从单点工具到课堂闭环

个性化学习喊了多年，落到传统大班制教学里，老师精力有限，很难持续追踪每个学生的认知状态。AI的价值就在于把识别差异、提供反馈的成本压下来，让“因材施教”有了规模化的可能。

做起来并不轻松。各校教学进度不同，学生基础差距也大，AI产品融不进日常教学流程，就容易被搁在一旁。银河智学的打法是扎进学校场景，做“人机共育”的课堂解决方案。

贵州纳雍宏星高级中学是个例子。团队没有直接推销一个APP，而是绕着学校原有的早读、正课、限时练、晚自习等环节，把背诵听写、组卷分发、在线检测、AI批改等功能嵌进去。教师看学情看板，全班的共性疑问、个别学生的知识盲区都能很快掌握，课堂上据此精讲或分层辅导。

教学就这样串成一个完整闭环：学生自主学练产生数据，AI分析学情，教师调整教学策略，针对性补学，再检测反馈。教师仍在做教学设计、情感支持和关键知识讲解这些核心工作，繁琐的数据分析和初步诊断则交给AI。

据披露，小鹿爱学已覆盖24个省级行政区、500多所学校，安徽阜南亲情学校、首都师范大学附属回龙观育新学校都在其中。这些案例说明，AI真正进入课程组织和日常管理环节，作用才落得下来。

信心比知识更重要：寻找70%的挑战区

除了知识掌握，银河智学还盯着学生的学习信心和兴趣。团队把深度知识追踪和“最近发展区”理论结合，系统预测学生下一道题的答对概率，并有意匹配预测概率落在70%-80%之间的题目。

这个区间叫“挑战区”。题目太简单，学生觉得无聊；太难，又容易受挫。难度适中、努力一把能解出来的题，最能带来成就感。邓澍军表示：“一次靠自己取得的小小突破，可以成为孩子重新建立信心的‘火种’。”

学生的每一点进步，系统都会记下来，并与前一天、前一周做对比，让那些不起眼的努力也能被看见。团队还搭配了“学习战队”这类同伴互相打气的机制，助教智能体则给出针对性的表扬依据。几样加在一起，是希望孩子慢慢攒出“我能学会”的自我效能感。

结语：帮人变得越来越好

陈林在创始文章里写道，这个时代已经有不少人在把AI做得越来越强，他想做的是帮人变得越来越好。

大模型把知识获取的门槛压低了，教育的价值重心也随之从“知识传递”移向“能力培养”。往后拼的不是谁记住的知识点更多，而是谁能应对不确定性、解决真实问题，以及有没有好奇心和探索欲这股内驱力。

银河智学的尝试说明，AI教育不该去追那种炫技式的自动化，而要回到教育本来的样子：看懂每一个具体的孩子，顺着他们的认知规律来，把他们心里的火点起来。技术不再急着证明自己多聪明，而是蹲下来陪着孩子长大，教育才真能起到塑造人的作用。