مدل هوش مصنوعی &Tutor رونمایی شد؛ معلم هوشمندی که به‌جای پاسخ آماده، تفکر کردن را آموزش می‌دهد

معرفی مدل

مدل Ampersand Tutor (با نگارش اختصاری &Tutor) یک مدل هوش مصنوعی اختصاصی برای تدریس است که توسط آزمایشگاه هوش مصنوعی humans& در تاریخ ۳۰ اکتبر ۲۰۲۶ (۹ آبان ۱۴۰۵) عرضه شد. این مدل بر خلاف دستیارهای هوشمند همه‌منظوره، به‌طور ویژه برای آموزش و تدریس پرورش یافته است؛ یعنی به‌جای آنکه صرفاً پاسخ نهایی را به کاربر تحویل دهد، به او کمک می‌کند تا ریشه و منطق حل مسأله را به درستی درک کند.

ترفند اصلی و متمایز این پروژه در شیوه آموزش آن نهفته است: آزمایشگاه humans& ابتدا مدلی بزرگ به نام Persimmon به‌عنوان «مدل کاربر» طراحی کرد که رفتار و نحوه یاد‌گیری انسان‌ها را شبیه‌سازی می‌کند. سپس مدل &Tutor از طریق یاد‌گیری تقویتی آموزش دید تا تدریس به Persimmon را یاد بگیرد. پاداش مدل در این فرآیند بر اساس میزان یاد‌گیری دانش‌آموز شبیه‌سازی‌شده تعیین شده است. در حال حاضر &Tutor از طریق رابط کاربری ایجنت‌های humans& با شناسه ampersand-tutor-v0.1 در دسترس قرار دارد.

بررسی فنی

مشخصات و حقایق کلیدی

• توسعه‌دهنده: استارتاپ humans& (یک استارتاپ پژوهشی در حوزه هوش مصنوعی که بر ساخت مدل‌های انسان‌محور تمرکز دارد).
• مدل پایه: این مدل بر بستر GLM-5.3 توسعه یافته است؛ مدلی مبتنی بر معماری ترکیبی از متخصصان (MoE) با ۷۸ لایه، ۲۵۶ متخصص هدایت‌شده به‌همراه ۱ متخصص مشترک که در هر توکن ۸ متخصص فعال می‌شوند، و با فرمت NVFP4 ارائه می‌شود.
• فرمت ورودی و خروجی: ورودی و خروجی متنی، همراه با ارزیابی در پنجره زمینه ۱۳۱ هزار توکنی (131K).
• فرآیند آموزش: استفاده از یاد‌گیری تقویتی در قالب مکالمات شبیه‌سازی‌شده تدریس؛ مدل Persimmon نقش دانش‌آموز را ایفا می‌کند و یک داور هوش مصنوعی، میزان پیشرفت یاد‌گیری او را می‌سنجد. در این روش هیچ دستورالعمل یا قانون دست‌نویسی برای مواردی نظیر «داربست‌بندی آموزشی» یا «لو ندادن پاسخ مسأله» تدوین نشده، بلکه تمام این رفتارها به‌صورت خودجوش و در راستای هدف بهینه‌سازی شکل گرفته‌اند.
• نتایج بنچمارک (بر اساس گزارش توسعه‌دهنده): در بنچمارک ارزیابی TutorMoments، مدل &Tutor با پرامپت ساده امتیاز ۰٫۷۵۴ را به دست آورد، در حالی که مدل پایه GLM-5.3 امتیاز ۰٫۵۰۰ گرفته بود. این نتیجه بالاتر از Claude Sonnet 5.5 با امتیاز ۰٫۶۶۷ و GPT-6 Astra با امتیاز ۰٫۶۳۴ قرار دارد. هم‌چنین با اعمال پرامپت هماهنگ با آزمون، این مدل به امتیاز ۰٫۹۱۹ دست یافت که با فاصله کمی پس از GPT-6 Astra (۰٫۹۲۶) قرار می‌گیرد و بالاترین امتیاز را در معیار «دقت و سخت‌گیری آموزشی مناسب» از آن خود کرده است.
• آزمایش‌های حذفی (Ablation): هنگامی که مدل پایه GLM-5.3 به‌جای Persimmon نقش دانش‌آموز شبیه‌سازی‌شده را بازی کرد، کیفیت یاد‌گیری به‌شکل چشمگیری افت کرد؛ استارتاپ humans& با تکیه بر این آزمایش استدلال می‌کند که داشتن یک مدل شبیه‌ساز دقیق‌تر از رفتار انسان، به تربیت معلم بهتری منتهی می‌شود.

محدودیت‌ها و نکات قابل تامل

تمام امتیازات و ارزیابی‌های ثبت‌شده حاصل دانش‌آموزان شبیه‌سازی‌شده و داوران مبتنی بر مدل‌های زبانی بزرگ است، نه ارزیابی‌های واقعی روی یاد‌گیرندگان انسانی. خود استارتاپ humans& نیز تاکید کرده است که ممکن است این نتایج به دانش‌آموزان واقعی، سایر موضوعات درسی یا یاد‌گیری بلندمدت تعمیم‌پذیر نباشد.

نحوه استفاده

مراحل آزمایش و راه‌اندازی

1. مطلب معرفی مدل را در پست وبلاگ &Tutor و هم‌چنین شناسنامه مدل (Model Card) مطالعه کنید.
2. درخواست دسترسی به API ایجنت‌های humans& را ثبت کنید و سپس مدل را با شناسه ampersand-tutor-v0.1 فراخوانی نمایید.
3. تاریخچه مکالمه را همراه با دستورالعمل‌های تدریس (شامل مبحث درسی، سطح دانش‌آموز و هدف آموزشی) ارسال کنید تا مدل پاسخ بعدی معلم را بازگرداند.
4. کاربردهای مناسب: برنامه‌های کمک‌آموزشی حل تکالیف، مربی‌های تمرینی و ابزارهای دستیار معلم که در آنها به‌جای دریافت مستقیم جواب، به راهنمایی گام‌به‌گام و پرسش‌های هدایت‌کننده نیاز است.
5. نظارت انسانی: همان‌طور که در شناسنامه مدل توصیه شده است، برای فرآیندهای حساس و سرنوشت‌ساز مانند نمره‌دهی یا تعیین سطح، حتماً حضور و نظارت مستقیم انسان را حفظ کنید.