چکیده
هوش مصنوعی (AI) فرصت بی‌سابقه‌ای برای تقویت توانمندی‌های انسانی فراهم می‌آورد، در حالی که پیشرفت در حوزه‌های پیشروی علمی عمدتاً بر بهبود مدل‌های هوش مصنوعی متمرکز بوده است. ما StudentBench را معرفی می‌کنیم؛ مجموعه‌ای از ارزیابی‌های متمرکز بر آموزش هوش مصنوعی و یک پلتفرم عمومی که امکان جمع‌آوری داده‌های مقیاس‌پذیر شامل بیش از ۱۷۵٬۰۰۰ پیام بین دانش‌آموز و هوش مصنوعی را می‌دهد، تا بررسی کنیم آیا مدل‌های زبانی بزرگ (LLMs) می‌توانند دستاوردهای آموزشی معادل با آموزش‌های انسانی به‌دست آورند. با استفاده از StudentBench، پیشرفت‌های آموزشی (learning gains) در بخش‌های کمی و زبانی GRE برای ۲٬۳۸۳ شرکت‌کننده انسانی که در سه گروه آموزش AI، آموزش انسانی و بدون آموزش قرار داشتند، اندازه‌گیری شد. نتایج نشان داد که آموزش هوش مصنوعی از نظر آماری معادل با آموزش انسانی متخصص در بهبود نمرات GRE است (p = .015) و در پنج از هفت بخش GRE، بهترین هوش مصنوعی tutor به‌طور متوسط عملکرد بهتری نسبت به آموزش انسانی نشان داد. در مطالعهٔ دوم، مربیان انسانی متخصص طرح‌های درسی و مسائل تمرینی تولید شده توسط LLM را از طریق ۲٬۰۲۸ ارزیابی دو‑طرفه مبتنی بر rubric مقایسه کردند. به‌طور کلی، نتایج این دو مطالعه به‌طور واضح نشان می‌دهد که هوش مصنوعی tutor در پنج بعد متمایز می‌شود: (1) برنامه‌ریزی درس، (2) تولید مسائل تمرینی، (3) تعامل مکالمه‌ای، (4) هزینه، و (5) مشارکت. شگفت‌انگیزانه، هوش مصنوعی tutor پیشرفت‌های آموزشی معادل با آموزش انسانی (p = .044) را با هزینه‌ای ۹۱۸ برابر کمتر به‌دست آورد (هزینه هوش مصنوعی ۰٫۰۰۵۲ دلار در مقابل ۴٫۸۱ دلار برای هر درصد بهبود نمرات). در بخش‌های کمی GRE، مشاهده شد که پاسخ‌های سریع‌تر هوش مصنوعی، تعداد بیشتری پیام دانش‌آموز و به‌طور commensurately تمرین‌های صحیح بیشتری، به پیشرفت‌های آموزشی بزرگتر منجر شد (همهٔ p < .002). پلتفرم StudentBench به‌طور رایگان در آدرس https://studentbench.org در دسترس است.
متن کامل
علوم کامپیوتر > هوش مصنوعی (AI) arXiv:2609.28470v1 (cs) [ارسال شده در 23 سپتامبر 2026]
عنوان:StudentBench: آموزش هوش مصنوعی (AI) و انسانی ضایعات یادگیری معادل GRE
نویسندگان:Curtis Northcutt, Inaara Hasmani, Kevin Feng, Trevor Khangi, Andreas Plesner, Jonas Mueller
مشاهده یک PDF از مقاله با عنوان StudentBench: آموزش هوش مصنوعی (AI) و انسانی ضایعات یادگیری معادل GRE، توسط Curtis Northcutt و 5 نویسنده دیگر
مشاهده PDF HTML (تجربی)
چکیده:هوش مصنوعی (AI) فرصتی بی‌سابقه برای افزایش توانایی‌های انسانی ارائه می‌دهد، هرچند که پیشرفت در حوزه پیشرو بر ارتقاء توانایی‌های مدل‌ها متمرکز بوده است. ما StudentBench را معرفی می‌کنیم، یک مجموعه از ارزیابی‌های آموزش هوش مصنوعی (AI) و یک پلتفرم عمومی که امکان جمع‌آوری داده‌های بزرگ‌مقیاس با بیش از 175,000 پیام دانش‌آموز-هوش مصنوعی (AI) را فراهم می‌آورد تا بررسی کنیم آیا مدل‌های زبانی بزرگ (LLM) ضایعات یادگیری معادل آموزش انسانی تولید می‌کنند یا نه. با استفاده از StudentBench، ضایعات یادگیری در سوالات کمی و زبانی GRE را در میان 2,383 شرکت‌کننده انسانی که آموزش هوش مصنوعی (AI)، آموزش انسانی یا هیچ آموزشی دریافت نکرده‌اند، اندازه‌گیری کردیم. ما بر این امر تأکید کردیم که آموزش هوش مصنوعی (AI) معادل آماری آموزش انسانی متخصص برای ضایعات یادگیری GRE است (p = .015)، و در پنج از هفت حوزه GRE، بهترین معلم هوش مصنوعی (AI) در متوسط نسبت به معلم انسانی پیشتاز شده است. در یک مطالعه دیگر، معلمان انسانی متخصص برنامه‌های درسی و مسائل تمرینی تولید شده توسط LLM را از طریق 2,028 ارزیابی جفتی با استفاده از جدول امتیازی مقایسه کردند. با هم، دو مطالعه به وضوح آموزش‌های هوش مصنوعی (AI) را در حوزه‌های: (1) برنامه‌ریزی درسی، (2) ایجاد مسائل تمرینی، (3) پداختگی مکالمه‌ای، (4) هزینه، و (5) مشارکت، جدا می‌کنند. به‌طور شگفت‌آور، یک معلم هوش مصنوعی (AI) ضایعات یادگیری معادل آموزش انسانی را به دست آورد (p = .044) با هزینه 918 برابر کمتر (USD 0.0052 برای هوش مصنوعی (AI) در مقابل USD 4.81 برای انسان، برای هر درصد گرفته شده). برای جلسات GRE کمی، پاسخ‌های سریع‌تر هوش مصنوعی (AI) با افزایش پیام‌های دانش‌آموز، پیام‌های بیشتر با تمرین بیشتر درست، و تمرین بیشتر درست با ضایعات یادگیری بزرگتر همبسته بود (همه p < .002). پلتفرم StudentBench به‌صورت رایگان در این URL در دسترس است.
نظرات:موضوعات: هوش مصنوعی (AI) (cs.AI); کامپیوترها و جامعه (cs.CY)
استناد به:arXiv:2609.28470 [cs.AI] (یا arXiv:2609.28470v1 [cs.AI] برای این نسخه)
https://doi.org/10.48550/arXiv.2609.28470
تمرکز برای یادگیری بیشتر DOI arXiv-issued از طریق DataCite (در حال ثبت)
تاریخچه ارسال
از: Curtis Northcutt [مشاهده ایمیل]
[v1] چهارشنبه، 23 سپتامبر 2026 17:57:45 UTC (5,657 KB)
ابزارهای فهرست‌بندی
ابزارهای فهرست‌بندی و استنادی
مرورگر فهرست‌بندی
نمایش/مخفی‌سازی مرورگر فهرست‌بندی (مرورگر فهرست‌بندی چیست؟)
Connected Papers نمایش/مخفی‌سازی Connected Papers (Connected Papers چیست؟)
Litmaps نمایش/مخفی‌سازی Litmaps (Litmaps چیست؟)
scite.ai نمایش/مخفی‌سازی scite Smart Citations (Smart Citations scite چیست؟)
کد، داده، رسانه
کد، داده و رسانه مرتبط با این مقاله
alphaXiv نمایش/مخفی‌سازی alphaXiv (alphaXiv چیست؟)
لینک‌ها به کد
نمایش/مخفی‌سازی CatalyzeX Code Finder for Papers (CatalyzeX چیست؟)
DagsHub نمایش/مخفی‌سازی DagsHub (DagsHub چیست؟)
GotitPub نمایش/مخفی‌سازی GotitPub (GotitPub چیست؟)