长久以来，AI 在教育领域的应用似乎进入了瓶颈期—— AI 擅长解题，却难以育人；能提供信息，却缺乏温度。通用大模型技术的逻辑与教学服务的本质之间，横亘着数道鸿沟。

8 月 17 日，作业帮对外展示的一次 "AI 进化 "，宣布 AI 超级老师多模态能力再度进化，双向智能交互且讲解能力媲美真人，引领行业进入学习机 5.0 时代。同时，作业帮学习机 Z100、X70 Ultra 两大高端新品也正式推向市场。

依托领先的多模态能力，叠加超级精准学、AI 王牌密训、随时问等核心能力，作业帮 AI 超级老师进化为了一个深度推理错因、具备双向情感交互、甚至能像特级教师一样进行 " 归因分析 " 的超级教育智能体，正成为 AI 时代家庭教育和个性化学习的 AI 新基建。

AI 超级老师之变：为行业破局，为家庭教育解题

AI 在教育的落地展现出前所未有的潜力，尤其是随着多模态技术的成熟，AI 教师已经成为每个追求教育品质产品的标配。然而，在通用模型技术逻辑的指导下，二者之间的矛盾与冲突也日渐浮现。在行业层面，AI 老师长期存在 " 技术工具化 " 与 " 教学服务化 " 的割裂问题。

AI 在技术层面上，追求效率提升，追求可量化、可标准化的产出，这是工具理性的核心逻辑。教育则是一项培养 " 完整的人 " 的实践，其本质在于知识传递的具身性，情感交互的在场性，以及价值观塑造的潜移默化。当 AI 以工具理性的逻辑深度介入教育，冲突便不可避免。

作为一个学习辅助工具，早期 AI 老师往往只能提供标准答案或泛泛讲解，难以像资深教师那样深度的错因诊断，更缺乏对整个学习过程的深度干预。

面对这一行业级难题，作业帮 AI 超级老师的变革，通过自研大模型和百亿学情数据，试图将 AI 从 " 答案提供者 " 进化为 " 教学引导者 "。其首创的 " 错因追根溯源 " 功能和行业最细知识图谱，意味着 AI 开始具备深度推理能力，能够像特级教师一样进行归因分析。

同时，其多模态交互技术追求的 " 媲美真人老师 " 的讲解感与情绪表达，也在尝试打破冰冷的机器问答模式，为行业探索 "AI+ 教育 " 从功能型向关系型、情感型转变的新范式。这种变化试图解决的是，行业长期存在的 " 有技术无教法 " 的窘境。

AI 超级老师的进化，同样直面千万家庭的真实处境。

对于绝大多数家庭而言，家长受限于时间、精力和知识储备，难以承担全科辅导的重任，尤其在孩子进入高年级后，面对错题只能干着急。而孩子则很容易深陷题海战术，缺乏个性化的学习路径规划，大量学习时间浪费在已掌握的知识点上，真正的薄弱环节却被掩盖。

作业帮 AI 超级老师的变化，正是为了消解这一场景下的现实痛苦。其 " 作业托管 " 功能，允许家长远程布置任务，由 AI 全权负责盯学和答疑，将家长从枯燥的陪读中解放出来，从监督者转变为管理者。

而 "AI 超级精准学 " 通过定位错因、追溯前置薄弱点，并配合 "AI 王牌密训 " 生成每周更新的个性化方案，则可以终结 " 眉毛胡子一把抓 " 的低效复习，让孩子的学习时间真正花在刀刃上。

值得关注的是，在硬件层面，这一次作业帮推出了 " 口袋 AI 老师 "，着眼于解决学习场景受限的问题，确保孩子在写作业、阅读或户外时，都能获得实时、移动的陪伴，弥补了家长无法随时在场的缺憾。

技术进化的价值坐标，始终是 " 人 "。AI 超级老师多模态能力再度进化，引领行业进入学习机 5.0 时代。本质上，这是以更高的 AI 能力与内容标准开辟新的增长周期，把学习机从 " 教育硬件 " 推向了 " 家庭教育的 AI 新基建 "。

领跑的技术底气：十年数据资产，四项国际顶会加持

自 2015 年成立以来，作业帮通过搜索答疑一跃成为 K12 的巨头，沉淀超 31 亿题库、770 万套真题试卷和超百亿学情大数据，覆盖全国各省市区县的主流教材版本，涵盖小学至高中全学段、全学科。

真正让这些数据具备战略价值的，是其背后所承载的丰富学情标签，哪些知识点最易错、哪种解法学生最易理解、各地考纲差异何在……构成 AI 超级老师的 " 记忆系统 "：它记住孩子学到哪儿、错过什么题、习惯怎么思考，甚至比学生本人更清楚知识断裂点。

这种深入知识点毛细血管级别的 " 教育认知地图 "，区别于传统题库工具和通用 AI 助手，构成了作业帮 AI 超级老师的核心记忆系统，也是作业帮在十余年数据积累中所构建起的、难以被短期复制的核心壁垒。

在海量数据之上，作业帮搭建起支撑 AI 超级老师运转的三层技术基石。这三层架构相互咬合、逐层递进，共同形成了一个可持续进化的教育智能基础设施。

第一层：百亿级数据积累。  这是整个体系的根基。超过百亿学情数据、31 亿题库与 770 万套真题试卷所构成的数据底座，为模型训练提供了充足的 " 燃料 "。

第二层：自研教育大模型。作业帮自研的大模型，通过了中国信通院可信 AI 教育大模型最高评级（5 级）评估，在教育场景的语义理解上实现了重要突破，能够精准识别学科术语、口语化表达，甚至学生的模糊提问，并据此动态生成符合其认知水平的讲解内容。

第三层：全场景教学能力矩阵。  这一层将数据与模型的能力转化为具体的教学服务，覆盖学情诊断、错因溯源、答疑讲解、作业辅导、巩固培优与个性化规划等完整的学习链路。

支撑 AI 超级老师 " 台前 " 能力的，是作业帮在多模态技术和大模型训练领域的积累。2025 至 2026 年间，作业帮技术团队先后有四篇论文入选人工智能领域国际顶级学术会议，覆盖 AAAI、ICML、NeurIPS、CIKM 四大顶会，分别对应大模型训练中监督微调、偏好对齐、后训练优化与跨模态处理四个关键阶段。

PoFT（偏好导向监督微调）  入选 AAAI 2025，解决的是 " 模型该向哪些数据学习 " 的问题。PoFT 创造性地引入 " 多专家评审团 " 机制——由多个标杆模型对训练样本进行权重打分，目标模型只有在对同一数据的置信度超过这些专家的平均水平时，才进行深度学习。

EBM+EPA（能量基偏好模型 + 能量偏好对齐）  入选 ICML 2025，从数学底层重构了偏好对齐的理论框架。EBM 从理论上证明了其最大似然估计的全局最优解唯一存在，且与强化学习人类反馈（RLHF）的目标函数严格等价。在此基础上，EPA 方法运用 " 优质答案 + 强干扰答案 + 弱干扰答案 " 的三重对比训练机制，使模型在有限数据条件下也能精准捕捉教育场景中细微的教学偏好。

GVPO（组方差策略优化）  入选 NeurIPS 2025，针对大模型后训练阶段的核心难题提出了优雅的解决方案。从物理意义上看，GVPO 的损失函数等价于一个均方误差损失，让 " 隐式奖励 " 去逼近 " 真实奖励 "，从而保证了唯一最优解的收敛性。

Interactive-T2S   入选 CIKM，是作业帮与北京大学合作的研究成果，专注于解决表格理解这一跨模态难题。

从监督微调的精准适配，到偏好对齐的稳定可靠，再到后训练的成本优化与跨模态数据的深度理解，作业帮四项技术覆盖了大模型训练的全流程，为点对点攻克大模型训练的各个难题提供了底层技术支撑。

结语

在人工智能与教育深度融合的浪潮中，学习机行业正经历从工具到智能体的代际跨越。作业帮学习机凭借 AI 超级老师多模态能力的领先优势，打破了传统学习机单向输出内容的局限，让产品形态进化为可实现双向智能交互的 " 超级教育智能体 "，推动行业迈入以深度互动与个性化教学为核心特征的学习机 5.0 时代。

5.0 时代的核心门槛，在于 AI 能否真正模拟真人教师的教学逻辑与反馈能力。作业帮 AI 超级老师的技术护城河的依托，是自研的教育行业首个大模型与百亿级学情大数据沉淀，以及全场景内容体系的支撑，这也是作业帮领先于同行的核心优势。

从行业视角来看，作业帮此次升级的价值不止于单一产品的迭代。当前学习机市场的竞争已经从硬件参数、内容数量的比拼，转向 AI 底层技术与学习逻辑的深度适配，作业帮通过 AI、内容、产品、服务四位一体的布局，构建起难以复制的竞争壁垒。也倒逼整个行业跳出同质化内卷，从 " 内容搬运工具 " 向 " 教育智能体 " 转型。

作业帮 AI 超级老师的出现，不仅成为了教育 AI 应用落地的新典范，更让行业看到 AI 对教育深度赋能的更多可能。未来，能否实现 AI 能力与教研体系的深度绑定，将成为厂商能否在存量市场中存活的核心命题。（本文首发于钛媒体 APP）