Учить не подсказывая

Большие языковые модели сегодня активно внедряются в образование. Но возникает сложность: в педагогике важно постепенно вести ученика к решению, а нейросети, наоборот, обучены помогать пользователю получить максимально полезный и подробный ответ.

Как решить эту проблему и создать строгого, но справедливого цифрового педагога на базе ИИ, «Ъ-Науке» рассказал Айрат Азбуханов, руководитель группы ML в «Яндекс Образовании».

Большие языковые модели (LLM) — универсальный инструмент, который люди уже активно используют в разных задачах, в том числе для образования. С их помощью пользователи ищут и структурируют информацию, создают задачи для самопроверки, генерируют удобные конспекты и не только. Но, несмотря на пользу, у LLM есть свои нюансы.

Языковые модели оптимизированы давать наиболее полный ответ — это важный параметр при их обучении и оценке качества. Во многих задачах это плюс, но в педагогических сценариях сильная сторона становится недостатком: хороший наставник должен не просто давать правильный ответ, а постепенно подводить к нему уточняющими вопросами и подсказками. Кроме того, LLM склонны к так называемой answer leakage, то есть к решению запроса, даже если пользователь изначально попросил его не давать.

Частично решить этот нюанс помогает хорошо сформулированный промпт. Пользователь может исходно задать LLM ее роль (например, «ты опытный педагог, который поможет мне освоить тему N через наводящие вопросы»), но это не решает проблему окончательно. Исследования показывают, что в длинных диалогах модель постепенно «забывает» педагогические инструкции из такого системного промпта: например, у моделей, которые на момент изучения были передовыми, на это уходило в среднем восемь раундов.

Адаптация больших языков моделей (LLM) под конкретные индустрии — глобальный тренд. В любой сфере есть своя специфика, которую важно учитывать: где-то нужно быстро обрабатывать большой объем документов, где-то — строить отчет строго по шаблону. Так, например, появляются профильные ИИ-сервисы для программистов, юристов или операторов техподдержки. Образование — не исключение, поэтому сейчас постепенно появляются специальные режимы или отдельные сервисы для учителей и учеников.

Так, ведущая технологическая компания создала семейство моделей для целей образования, обученных следовать педагогическим инструкциям. В мае 2025-го их интегрировали напрямую в основную модель Gemini 2.5. Утверждается, что эксперты-педагоги почувствовали разницу: 31% опрошенных предпочли Gemini вместо альтернатив от других игроков, которые не имели образовательных режимов на базе дообученных LLM. Также эту усовершенствованную модель тестировали в реальных школах: ее внедряли в британскую платформу Eedi. Опыт показал, что модель допускает всего 0,1% фактических ошибок, а ученики, прошедшие короткие сессии с этой моделью, на 5,5 процентного пункта чаще правильно решали новые задачи по сравнению с теми, кто работал только с преподавателями, без дополнительных сессий с цифровым педагогом.

Чтобы научить LLM наставничеству, важно понимать, как вообще устроен процесс взаимодействия педагога с учеником. Для этого в 2024 году команда «Яндекс Учебника» провела эксперимент: 100 учителей математики притворялись чат-ботами и помогали школьникам решать домашние задания. Команда провела A/B-тест: часть учителей общалась формальным стилем (без эмодзи, строго по делу), другая — более живо. Школьникам больше понравился эмоциональный стиль, но формальный оказался эффективнее: такие диалоги длились дольше, а ученики чаще приходили к верным ответам при решении задач.

Эксперимент помог лучше разобраться в поведении детей. Оказалось, что школьники могут думать одно, а писать другое: важно всегда уточнять, что именно им непонятно. Зачастую они не задают вопросы первыми, боясь сказать глупость, даже в разговоре с ИИ. И, конечно, дети чутко реагируют на эмоциональную поддержку, особенно в случае ошибки. Все это нужно учесть в обучении образовательной модели.

Первая версия ИИ-репетитора работала по каскадной схеме: сначала одна модель генерировала пошаговую схему решения задачи, затем вторая вела ученика по ней через диалог. Такая система была эффективной, но недостаточно гибкой: если ученик пытался идти своим путем и решать иначе, система все равно возвращала его к исходной схеме.

Поэтому в 2025–2026 годах наша команда перешла к разработке собственной модели LearnLM — нейросети-репетитора по математике на базе Alice AI LLM, где образовательные навыки интегрированы в веса, а не реализованы через системные промпты. Нейросеть — это набор связей между нейронами, и каждая такая связь имеет свой «вес» — числовое значение, которое определяет, насколько сильно один нейрон влияет на другой. Когда модель обучается, она настраивает миллиарды таких весов, формируя внутреннее «понимание» того, как нужно отвечать пользователю на запрос. Обычный подход — взять готовую обученную модель и добавить ей в системный промпт текстовую инструкцию: «Не давай на запрос готовые ответы, задавай наводящие вопросы». Но спустя несколько реплик она такую инструкцию может «забыть».

Чтобы модель не «забывала» инструкции в длинном диалоге, мы пошли иным путем: педагогические принципы заложили на этапе обучения, настроив веса нейросети так, чтобы она изначально вела диалог, как это делает учитель. Образовательное поведение «зашито» в ее структуру.

Для обучения LearnLM команда совместно с более чем 15 экспертами — действующими учителями математики и информатики, репетиторами по ОГЭ и ЕГЭ — разработала образовательные критерии. Методисты описали, как нужно действовать с пониманием задачи, как построить траекторию объяснения и как вести диалог с учеником. Критерии разделили на две группы: стилистика ведения диалога (тон, структура, поддержка) и математическая корректность каждой реплики. Внутри каждой группы выделили критичные и некритичные параметры с разными весами.

Чтобы дообучить LLM под конкретную задачу, нужны данные. В случае ИИ-репетитора это тысячи реалистичных обучающих диалогов. Найти готовые в нужном объеме невозможно, но их можно сгенерировать самостоятельно. Сложность в том, чтобы имитировать не только правильные ответы, но и достоверно представлять ошибки учеников.

Для этого команда проанализировала реальные диалоги учеников и выделила архетипы школьников (отличник, хорошист, троечник), а также эмоциональные состояния, в которых они берутся за задачу (хочет ли ученик баловаться или готов к работе, насколько он вовлечен в процесс). В зависимости от этого эксперты сформировали вероятностную карту ошибок.

Ошибки отличника и троечника сильно отличаются. Например, отличник может ошибиться в сложном логическом переходе, но базовые операции делает правильно. Троечник, наоборот, спотыкается на простом умножении, но случайно угадывает верный подход к задаче. В зависимости от этих параметров система высчитывает соотношение вероятностей появления тех или иных типов ошибок. Это позволяет генерировать максимально правдоподобные диалоги, адаптированные под разные образовательные уровни.

Модель-репетитор и модель-ученик общаются друг с другом, а затем получившийся диалог проходит через многоступенчатую проверку: насколько он соответствует образовательным критериям, нет ли там неправдоподобных ситуаций, все ли корректно с точки зрения математики.

Наш подход не единственно возможный: например, один из зарубежных игроков выбрал путь совместного обучения (co-training). Данные их образовательной модели смешиваются с данными их основной флагманской модели на всех этапах обучения, в результате педагогические опции встраиваются во флагманскую модель. Однако это возможно ценой огромных вычислительных ресурсов. Мы пошли по другому пути и в результате смогли получить довольно компактную модель, которая показывает качество образовательных диалогов, сопоставимое с моделями, насчитывающими миллиарды параметров.

Образовательные модели уже сейчас способны на многое: объяснить ученику пропущенный материал, если он говорит, что не проходил тему, адаптироваться под разные методы решения, а не настаивать на одном конкретном, а также постепенно подводить его к решению. Но вызовы в этой сфере все еще остаются. Например, разработчикам важно научиться измерять и эффективность долгосрочного обучения — способность ученика не просто решить задачу прямо сейчас, но и запомнить подход, чтобы в будущем справиться уже без ИИ-помощника.