银河智学邓澍军详解AI进课堂路径，从解题生成到学习过程智能的跃迁

11月11日，江苏无锡举行的第九届中国教育技术创新发展与应用成果大会上，银河智学首席科学家邓澍军博士发表题为《让每个孩子学会、会学、爱学——AI支持规模化因材施教的探索与实践》的演讲，首次系统公开其核心产品“小鹿爱学”的技术逻辑与落地路径。这一发布紧随创始人陈林11月9日以《我为什么还要做教育？》一文正式官宣再创业项目之后，标志着AI教育进入从通用能力向学习过程深度嵌入的新阶段。

邓澍军指出，当前通用大模型虽能快速生成解题步骤，却难以回答“学生为什么不会”这一根本问题。当大模型逐渐成为基础设施，教育AI真正的分水岭在于能否深入学习过程本身——理解学科知识结构、识别个体认知差异，并将技术能力转化为可验证的学习成效。

银河智学由字节跳动原高级副总裁、大力教育前CEO陈林于2024年12月创办，核心团队成员多来自字节教育业务及豆包大模型相关团队，具备自主学习产品研发、课程教研及大模型长期记忆、解题与讲题能力训练等经验。邓澍军本人曾任清北网校负责人、大力教育算法负责人，主导过豆包爱学、河马爱学等产品的研发。

为应对教育场景的特殊性，银河智学构建了“双核”技术底座：一侧是经专项调优的豆包大模型，另一侧是自研智能学习引擎。二者分工明确又协同互补。

通用大模型负责语言理解、内容生成与基础推理，团队围绕教育需求开展三类关键优化：一是解题思维链构建，使模型能按认知逻辑拆解步骤；二是苏格拉底式启发对齐，即在关键节点暂停并提出引导性问题；三是基于长期记忆的Agent能力开发，支持跨周期学习追踪。例如，当学生卡在某一步骤时，模型不直接给出答案，而是追问“你认为这一步的依据是什么？”或“如果换一种思路，会不会有新发现？”，从而激发元认知反思。

自研智能学习引擎则聚焦学情诊断与路径规划，融合深度知识追踪（DKT）、项目反应理论（IRT）、认知诊断模型（CDM）与知识空间理论（KST）等教育测量方法。该引擎通过分析学生的作答轨迹、提问行为、订正记录等多维数据，动态判断其知识掌握状态、薄弱环节及最近发展区，进而为个性化任务推荐提供依据。

邓澍军将其概括为：“通用模型要‘引导得好’，自研引擎要‘算得准’。”在此基础上，银河智学进一步延伸Agent能力至两端：学生端规划智能体结合长程记忆与实时表现，推荐下一步学习内容并说明理由；教师端助教智能体则从海量学习记录中提炼具体进步线索（如“该生在分数通分环节错误率下降60%，但对约分逻辑仍存混淆”），辅助教师开展精准干预。

整个系统形成一个闭环：学生行为输入→引擎诊断→模型引导→反馈修正→再诊断。这一闭环使AI不再止步于“回答问题”，而是持续参与完整的学习过程。

值得注意的是，技术构想需面对现实落地的复杂性。北京市教委近期发布的《人工智能赋能基础教育应用蓝皮书（2026）》揭示了当前AI进课堂的真实图景：在106所样本中小学中，AI应用呈现明显“教师侧优先”特征。其中，“以智助教”覆盖率达73.6%，而真正贴近学生学习判断的“作业管理”仅28.3%；六类功能（教学设计、教学辅助、课件制作、作业管理、评价反馈、教研支持）全部落地的学校仅占13.2%。

蓝皮书指出，区域层面推进较快——14个区已出台指导文件，15个区启动AI新基建；但学校层面转化缓慢，尤其在需要深度整合教学流程的环节。“教育智能化的奇点还没到”，报告直言。教学设计（51.9%）、教学辅助（41.5%）和课件制作（40.6%）三类高覆盖率应用，本质仍是“替老师省时间”，尚未触及学习过程的核心机制。

这一现状反衬出银河智学路径的独特性：它并非简单将大模型接入现有教学环节，而是重构学习支持逻辑——从“教师主导+AI辅助”转向“学生主体+AI伴学”。其挑战在于，需同时满足三重严苛条件：学科逻辑的严谨性（避免幻觉）、认知建模的准确性（匹配真实学习规律）、以及课堂交互的可行性（不增加教师负担）。

行业观察者指出，过去几年教育AI多陷于“工具化陷阱”：要么是题库搜索增强版，要么是自动批改插件，均未改变“教师讲-学生听”的线性结构。而“小鹿爱学”试图打通“诊断-引导-反馈-调整”全链路，其成败将取决于两个关键指标：一是学生认知提升的可测量性（如概念迁移能力而非仅分数变化），二是教师接受度——若AI输出结果无法被教师快速理解并用于决策，技术再先进也难扎根课堂。

目前，“小鹿爱学”已在部分合作校开展试点。据透露，试点校采用“教师主导+AI协作者”模式，教师仍掌控教学节奏，AI则在学生独立练习阶段提供即时支持。初步反馈显示，学生在开放性问题上的尝试意愿提升明显，但对模型解释的接受度存在个体差异，需进一步优化语言适配性。

技术演进之外，更深层的议题是教育目标的再定义。当AI能处理知识传递与基础训练，教师角色或将转向高阶能力培养：批判性思维、协作沟通与意义建构。邓澍军在演讲结尾强调：“我们不是要用AI替代教师，而是让每个孩子有机会被真正‘看见’——看见他的困惑、他的节奏、他的潜力。”

教育AI的真正入场券，或许不在于参数规模或响应速度，而在于能否在严谨的学科逻辑与鲜活的学习个体之间，架起一座可信赖的桥梁。