嗨 HN，我是 Alex Southmayd，Bloomy（bloomylearning.com）的创始人 – 一个为 K-12 学生提供的 AI 驱动的掌握学习平台。Bloomy 为学生提供 AI 导师和适应性课程（目前包括数学、英语语言艺术和写作）。它的工作原理是：我们诊断学生的技能差距，帮助他们制定个性化的学习路径，并提供符合标准的课程和一种 Socratic AI 导师，帮助他们学习，而不是直接给出答案。我们的目标是通过 AI 解决 Bloom 2-σ 问题。短视频发布： https://tinyurl.com/bloomylearning 长产品演示： https://youtu.be/XHvoKt6qMeo 家庭访问 Bloomy： https://bloomylearning.com/families 我最初是一名教师。我曾在 Teach For America 教过七年级的英语和写作，每天我都努力为 30 名有着 30 种不同需求的学生提供差异化的教学。有些学生需要补救，有些需要加速，还有很多学生需要旁边有个导师帮助他们理清下一步。 Benjamin Bloom 的双西格玛成果——一对一辅导能够产生比传统课堂教学更好的效果——在我心中总是觉得直观真实。困难的地方是让那种关注变得对每个孩子都负担得起和可用。然后，AI 改变了成本曲线。当我看到像 Alpha 这样的学校围绕掌握而不是座位时间组织学术时，这个模式便恍若如梦。我若你听说过 Alpha 学校，那就是激励我们的学习模式。在此基础上，我一直在思考已经存在的家庭和学校：在家教育的家庭、微型学校、混合学校，以及现在大多数孩子所在的普通课堂。大多数学生和教师都在错误的分辨率上看待学习差距。他们得到了一个等级、百分位、基准分数或宽泛的标准——而不是“这一学生该学习的下一个技能”。现有的个性化学习产品通常感觉像数字工作表：它们提供大量的练习，但没有多少诊断或教学。很少有 AI 导师提供核心教学。Bloomy 以诊断为起点——我们与第三方评估进行整合，并提供我们自己的评估——并为每个学生创建学习路径。学生一次学习一个技能，接受短小的课程，在适应性难度下进行练习，只有在展示出至少 90% 掌握后才能继续前进。学习路径会根据学生的表现和我们的技能前置知识图谱（与学习委员会 / Chan Zuckerberg Initiative 合作构建）不断更新。每个技能有三个阶段。基营教概念，提供示例。攀登提供指导实践和 Socratic 支持。顶峰是一个独立的十题掌握评估，没有提示或 AI 协助。学生需要在顶峰上达到 90% 才能晋级。如果他们遇到太多困难，将会被引导到更适合他们水平的不同技能。BloomyBot 不是一个空白的聊天窗口，而是一个实时互动的观察数字导师。在练习过程中，它接收活动段落或问题、问题、学生的尝试、专业的解释和相关的误解上下文。它遵循一个分层的辅导阶梯：首先询问学生所尝试的内容，然后指出概念，建议策略，一起逐步解决一个步骤，只有在学生遇到困难后才提供更多的支撑，适应并从学生那里学习。学生可以打断它，我们也开始推出西班牙语、法语和一些其他客户要求的较冷门语言的多语言支持。我们目前使用多种来自 Anthropic 和 OpenAI 的模型来支持 BloomyBot。该导师仅限于当前课程，重定向无关问题，限制会话长度，并在掌握评估期间无法使用。语言模型不选择课程或决定学生是否掌握某一技能。这种分离非常重要。常规的“有用” AI 响应可能是一个糟糕的辅导响应：如果它给出了答案，学生完成了任务，但可能没有学到任何东西。我们的目标不是建立一个回答家庭作业的聊天机器人，而是将 AI 放入诊断、教学、实践、反馈和独立掌握的结构化循环中。大语言模型仍可能是错误的，我们不声称我们的约束消除了这一点。我们通过将 BloomyBot 置于专业课程内容中、保持其主题相关、记录会话和将其排除在评估之外来降低表面面积。教师和家长可以查看辅导活动，学生可以报告问题，安全信号触发人工警报和备份审计。我们也不认为 Bloomy 是教师、家长或人类辅导员的替代品。优秀的人类导师更好。我们正在测试的更窄的问题是，在进行受限学习会话时，学生是否已经可以做到这一点。