今天怎样委派
分阶段接收
真实数学教学RCT证明辅助表现、独立考试和使用参与是不同对象；两学年试验仍未分离所有AI边际贡献。因此代理可组织完整研究与分析，效果结论受设计、真实使用和测量范围限制。
W-M13 · 条件能力评估
教学效果交付：独立作答、延迟保持与迁移证据
判断一套数学教学/AI辅导方案对目标学生的学习有什么可支持效果，并给可重算研究与改进建议。
现在的用法
可委派研究方案、评价材料、数据分析和改进候选；学习效果以独立学生数据接收，缺长期数据时交付下一轮测量设计。
数学现场试验把工具辅助练习与无工具考试分开，普通生成式界面可能提高练习表现却损害独立学习。；两学年Khanmigo试验报告真实学校成绩与使用参与；效果类似无AI练习，不能把组合效果全归AI。
开始前满足这些条件
- 学生数据/干预授权明确
- 对照与主要学习结果可评
- 无AI/延迟/迁移测量可实施
本站记录：本站本任务AI运行数、成功率、实际成本及人工介入量均为null；代表例为交付设计，未执行。
用你已有的上下文继续
交给我的 Agent
带走当前公开资料，让你的 Agent 结合已有背景继续分析。也可以读完就结束。
查看可复制的内容
我正在了解：教学效果交付：独立作答、延迟保持与迁移证据 判断一套数学教学/AI辅导方案对目标学生的学习有什么可支持效果，并给可重算研究与改进建议。 请读取这项工作的输入、条件和验收，结合当前授权与环境完成我提出的交付。先说明可执行范围和阻塞；保留失败、重试与独立接收记录，不把示例当作本次已运行结果。 公开资料： 当前任务与验收资料：https://edgeofwork.com/work-units/W-M13.md?version=2026-10-21.workunits.2 区分职业资料、研究结果、工具声明和编辑推断；读取资料给出的日期、版本与范围。需要时补充原始来源。使用自己的自然报告或对话继续，无需把个人材料和分析回填网站。
当前判断与直接依据
工具今天能否获得
公开资料和工具入口已核对；论文配置、当前实现声明及本任务成绩分别记录，未运行本任务。
数学学习RCT材料 ↗ · PNAS2025，实施GPT4研究配置
论文/设计参考，不承诺原干预界面可复制。
Khanmigo长期现场研究 ↗ · working paper35620 2026-08-17
研究入口；具体产品/学校访问另核，未开通/购买服务。
Khanmigo官方产品 ↗ · 持续服务，2026-10-20读取；具体部署版使用时记录
教师/学习者/学校入口不同，受地区/账户资格影响；课堂学生访问不能由教师个人注册自动授予，未开通服务。
哪些具体证据支持判断
外部报告结果
数学现场试验把工具辅助练习与无工具考试分开，普通生成式界面可能提高练习表现却损害独立学习。
数学辅导随机试验：辅助作答与独立学习分离 ↗
支持：直接学习而非解题分数的因果研究。
定位：Design / Main Results / Limitations
范围限制：高中特定课程/短期，不能普遍推大学或长期保持；数值不抄作本站效果。
判断限制：高中特定课程/短期，不能普遍推大学或长期保持；数值不抄作本站效果。
研究配置：PNAS2025作者稿；土耳其高中2023–24学期、近千学生、GPT4普通/约束辅导/对照；独立评分无AI考试；非长期追踪。
外部报告结果
两学年Khanmigo试验报告真实学校成绩与使用参与；效果类似无AI练习，不能把组合效果全归AI。
Khanmigo两学年实验原始工作论文 ↗
支持：较长学校现场与真实使用的反证/补充。
定位：Abstract / working paper35620
范围限制：中学补救课程，持续使用期不等于停用后的保持，非大学效果。
判断限制：中学补救课程，持续使用期不等于停用后的保持，非大学效果。
研究配置：2026-08工作论文；18所田纳西中学、两年集群随机，Khan Academy+Khanmigo补救练习；参与与ITT/使用分析分开。
有条件的编辑推断
学习效果须用独立、延迟和迁移结果及可解释对照接收；模型成绩只能辅助查内容。
判断限制：大学/高阶课程及两周例是研究设计，未实测。
工具与方法依据
Khanmigo官方提供教师备课/评价材料与学习辅导入口，角色和地区/学校访问不同；可用性不等于研究中同版本或学习效果。
Khanmigo官方产品与角色访问入口 ↗
支持：真实产品入口及访问前提。
定位：For teachers / For learners / FAQ classroom access and eligibility
范围限制：未调用；官方功能说明不是大学内容正确或学习有效的成绩。
判断限制：使用时锁定实际版本/访问方式，不能继承学校试验效果。
输入变化会怎样改变结论
大学高阶课程
内容、学生、自主证明和评估均不同于学校试验。
采用范围：可委派研究/测量与分析，效果为显式迁移假设。
验收变化：高阶理解/证明迁移、合法多解及延迟无AI评价，不借学校效应值。
真人导师辅助
AI只建议导师，并非直接教学生。
采用范围：可以研究人机辅导组合，不能当无人教师。
验收变化：导师采纳/策略、学生独立结果和导师差异分别分析。
大学基础课程效果评价
目标为大学基础概念/计算/初步论证，学生/课程不同于学校试验和高阶证明课。
采用范围：可委派测量/对照和分析，效果需该课程独立学生数据，不能继承学校效应值。
验收变化：无AI独立、延迟保持与新情境迁移、基线/聚类/缺失/实际使用和盲评分；内容正确与学习效果分开。
前沿已经展示到哪里
已有课堂/真人导师及两学年学校试验；正负或有限效果与干预形式相关，不等同任意AI大学教学效果。
未知下一步怎样验证
为一大学数学单元预先设计对照和独立/延迟/迁移题，先验证评分与泄漏负控制；经既有教学授权采数后再估效果，不通过运行模型补学生证据。
未来什么信号会扩大或缩小边界
- 扩大：多学期/新群体独立保持与迁移可复现，组合因素可辨、退出和成本完整。
- 收缩：只有练习时分数/满意度好、无AI退步或对照无法分离；缩小到已证时间窗和干预。
交付什么
请求：课程试用了辅导材料/AI，需要区分练习完成更好与离开工具后真正掌握，避免只看满意度。
教学研究设计、实施记录、独立评价、保持/迁移及群体差异为一包；高校课程使用学校研究作为相邻依据，不据模型答题分数推学生学习。
- 课程/干预对照
- 目标学生、课程/先修、方案/工具/导师版本、分配/参与机制和对照条件，原材料与运行成本。
- 评价和时间
- 主要学习目标、无AI独立题、延迟时间和新情境迁移题；评分rubric、盲评与合法替代，先于看结果冻结。
- 实施/数据
- 授权学生数据、缺课/退出、实际使用/交互、班级聚类、导师差异、污染和测量版本；隐私处理按既定制度。
接收产物
- 预设效果研究/课程改进方案、分配/对照与测量说明
- 独立即时/延迟/迁移作答与盲评分，参与/缺失计数桥接
- 可重算意向性/适用分析、效应/区间、群体/使用差异和敏感性
- 内容与教学方式改进包，分别说明材料正确、使用体验、独立学习及证据限制
怎样验收
1. 测的是独立学习
独立审题覆盖目标和新情境；无工具评价独立监测，延迟和迁移不复用已泄漏练习答案，盲评合法替代。
拒收例子：用AI可用时练习分充当无AI掌握；题库答案在干预中泄漏。
2. 比较与估计可信
独立核对分配/对照、基线与聚类、缺失/退出、污染和ITT；随机试验与观察关联分开，置信区间与不确定性完整。
拒收例子：只看活跃用户；群体基线不平衡未处理；小样本显著性当普遍提升。
3. 组合干预归因有限
检查实际AI用量、导师/平台练习与内容是否同变；若对照无法分离AI贡献，明确只支持组合效果。
拒收例子：Khan练习+AI比无练习好就宣称全归AI；导师接建议的研究写成无人辅导。
4. 保持/迁移按实际范围解释
核对评价时点、学生群体与课程层级；长期不等于两年内持续用工具，停止干预后的保持单列；未测就交下一轮可执行设计。
拒收例子：短期测试写终身效果；学校结果直接推高阶大学数学。
一个具体例子
输入：设计例：大学微积分两种提示方案，主要结果为两周后无AI的新情境极值题；班级/导师影响和工具使用单列。
预期交付：预设评价/分配、独立作答与盲评、效应区间/缺失敏感性及课程改进；本例尚无学生数据。
容易出错：用学生聊天次数或模型做题正确率宣布学习进步；只分析持续使用者。
工作步骤怎样重组
原来的组织方式
教学工具用量、课堂成绩与老师评价各自汇报，缺独立学习和对照。
现在的组织方式
代理可设计测量、检查干预执行/缺失并生成可重算分析；反馈针对具体误解与参与问题调整课程，下一轮按相同学习目标检验。
保留的判断、新增的工作与失败接管
仍需做好
- 教育目标/研究伦理与学生支持
- 课程变化采纳责任
新增职责
- 独立无AI/延迟/迁移证据
- 实际参与和组合因素
- 评分/干预版本与失效解释
人的责任：课程研究负责人确定可接受设计、学生支持和正式课程决策；代理可组织研究与计算，盲评和独立作答提供效果证据。
失败处理：无对照/缺失严重时交描述性分析与可行改进/补测设计，不强行因果；发现无AI表现变差则收窄工具使用方式并记录反面结果。
尚待补足
- 大学数学长期保持的直接AI证据未被本包覆盖
- 组合平台/导师效果不能简单归因AI
这对个人和团队意味着什么
职业与岗位
教学研究、课程评价与学生指导
预设设计、独立评价、学生数据/评分及改进证据
补研究设计与教育测量，不用平台活跃度代替效果。
查看相关职业与方向 →团队与分工
效果未知还是测量只看工具内表现？
代理做方案/数据和分析，教师组织真实独立评价并采纳课程改进。
先验证测量与反面结果处理，再评估长期投入。
查看工作分工与组织案例 →依据具体支持了什么
数学辅导随机试验：辅助作答与独立学习分离
直接学习而非解题分数的因果研究。；把借助工具完成与学习区分。
未覆盖：高中特定课程/短期，不能普遍推大学或长期保持；数值不抄作本站效果。；大学/高阶课程及两周例是研究设计，未实测。
Khanmigo两学年实验原始工作论文
较长学校现场与真实使用的反证/补充。
未覆盖：中学补救课程，持续使用期不等于停用后的保持，非大学效果。
Khanmigo官方产品与角色访问入口
产品/角色访问入口。
未覆盖：不证明学习或大学课程效果。
原文定位、日期与职业来源关系
- 数学辅导随机试验：辅助作答与独立学习分离 ↗
2025-06-25 · 定位：Experimental design / Main Results / Limitations；作者稿https://hamsabastani.github.io/education_llm.pdf；2025-08-20更正为作者单位
原作者高中数学现场试验，GPT-4普通界面与有教学约束界面对比，无工具考试单列。；高中、特定课程和短期考试，不是大学数学或长期保持效果；使用正文指定版本而非销售效果。
核查 2026-10-20 · 下次复查 2026-11-20
- Khanmigo两学年实验原始工作论文 ↗
2026-08-17 · 定位：Abstract；Working Paper35620
原作者两年18校集群随机试验，报告数学成绩、实际AI使用和参与问题。；中学补救练习，效果类似无AI Khan练习；不能把组合方案效果单归因AI，也不能外推大学或停止使用后的保持。
核查 2026-10-20 · 下次复查 2026-11-20
- Khanmigo官方产品与角色访问入口 ↗
未标独立发布日期；2026-10-20读取 · 定位：For teachers / For learners；FAQ Can anyone use、classroom access
官方教师材料/辅导产品及角色、地区/学校访问说明。；产品能力声明与可注册入口不证明大学数学或长期学习效果；未注册/调用，实际使用时须核验账户和地区资格。
核查 2026-10-20 · 下次复查 2026-11-03 · 已到期待复查
未来3–5年：2029–2031
2029–2031：从辅助解题到可检验的研究伙伴
开放问题的形式证明与专业研究产物表明，AI已不只局限于套路题。数学的可验证性可推动能力扩展；跨领域独立选题与持续发现是否普及仍需观察。以下为条件情景。
当前建议回答今天怎样交付；未来3–5年指2029–2031。编程的完整交付与数学的开放问题成果，支持认真准备更广泛自主工作的强情景。本站把AGI视作跨领域、能适应新任务且可靠达成复杂目标的讨论对象；这些进展是方向证据，尚不能确认某个AGI定义已满足或必在某年发生。三种情景均给出可观察信号、职责变化与现在行动，不把今天的局限或人的现有分工写成永久边界。
基准情景：更多证明与模型工作整包委派
形式库和工具完善后，AI承担更大比例的引理搜索、推导核查、建模代码与验证；研究者能并行探索更多候选，日常工作从手推每步转向问题结构和结果理解。
现在的行动：建立可检查的问题集、形式库与数值对照；同时练习读懂AI产物和发现被弱化的条件。
成立信号与职责变化
- 不同来源未见命题的搜索覆盖扩大
- 自然语言到形式声明错误减少且可独立检查
- 证明和失败记录可重放，合理预算内有持续成果
数学人员需要连接问题、形式语言与解释；验证工程和研究协作能力重要，单纯手算的相对价值可能下降。
加速情景：自主提出并推进研究方向
若AI能在新领域定位重要问题、建立所缺理论与验证链，并持续获得独立接收，研究单元可能扩大为选题到证明或反例的完整计划，成为接近通用研究能力的重要证据。
现在的行动：为更强系统准备可复用问题、语义验证与贡献记录；支持快速尝试新方向，按实际成果重新配置研究职责。
成立信号与职责变化
- 多家独立团队复核新的重要结果，非只重复熟悉题型
- 可迁移到缺少现成形式库的领域
- 完整尝试分布、成本与后续修订透明，而非只见成功题
人的工作可能集中于研究目标、价值选择、概念理解和与现实系统连接；证明搜寻与部分审查本身也可能高度自动化。
受限情景：可验证子题强，开放研究迁移慢
AI在库内证明和数值工具上不断进步，但形式化成本、选题与研究意义判断限制更广泛自主发现。
现在的行动：优先填高复用基础库与语义缺口，按研究问题选择AI辅助范围，不把未解题全部解释为AI不可用。
成立信号与职责变化
- 成果集中于少数可形式化题型
- 新领域经常缺定义、引理或可靠语义转换
- 专家解释与校核成本仍随产物量增长
领域理论、形式化桥接和问题设计仍是瓶颈；不会只剩通用提示技巧。
持续观察什么，以及情景的研究依据
- 新结果的独立复核、修订及学术接收
- 公开尝试分母、资源与未解任务
- 跨领域、跨表示的题意保持和长期研究循环
- AlphaProof Nexus：形式证明搜索进入开放数学问题 ↗
2026-05-21 · 定位：摘要、§2输入输出、§5与§6、附录A.1/B.2
论文报告在353个Erdős问题中解决9个、492个OEIS猜想中证明44个，并公开Lean产物；展示搜索和内核反馈循环。；选题、形式库和搜索预算影响覆盖；未逐条重放论文证明，也不代表自然语言题意已自动核验。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- OpenAI公开新的数学研究产物 ↗
2026-10-06 · 定位：正文结果发布、Lean材料与修订协议；10月15日资金更新
内部前沿模型的研究结果、部分Lean形式化及尝试信息被公开，可逐项检查。；并非每项结果均获学界接受或有形式证明；内部模型不等于公众产品；10月15日更新不是新能力发布。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- Deep Think在专业数学研究中的生成、核查与修订 ↗
2026-02-11 · 定位：The Frontier of Pure Mathematics；贡献分类；Expanding to Physics and Computer Science
研究案例包含找证明、找反例与跨领域联系；区分自主和协作贡献，并允许返回未解决。；自然语言核查器不是形式内核；发布时作者未声称其最高两档重大突破，未逐篇复核案例。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- Lean官方：怎样验证一份证明 ↗
未标注（持续更新文档） · 定位：检查形式陈述、内核与公理依赖相关章节
固定目标后检查证明与传递公理，另核对形式陈述是否等于原问题。；工具方法而非模型能力数据；latest会变，实际运行须锁定Lean和Mathlib版本。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查