松鼠Ai文青松受邀于IEEE SWC 2026发表主旨演讲，探索智能体AI导师规模化教育新路径

来源：中国网

近日，第12届IEEE国际智慧世界大会（IEEE International Smart World Congress 2026，IEEE SWC 2026）在意大利卡拉布里亚伦德举行。大会以“思想汇聚：构建跨学科人机伙伴关系”（Convergence of Minds：Forging Human-AI Partnerships Across Disciplines）为主题，聚焦人工智能、物联网、数字孪生、边缘智能等前沿技术方向，其中，生成式AI驱动的教育也被列为大会重点议题之一。

松鼠Ai联合创始人、首席科学家、AI研究院院长文青松博士受邀作为学术主旨演讲嘉宾，发表题为《面向规模化智慧教育的智能体AI导师》（Agentic AI Tutors for Smart Education at Scale）的主旨演讲，围绕智能体AI导师如何在真实教育场景中实现智适应学习与个性化教学，并进一步走向规模化应用展开深入探讨。

文青松博士长期从事人工智能前沿技术研究，同时担任牛津大学博士生导师，研究方向涵盖教育人工智能、大模型与智能体、时间序列人工智能等领域，已在国际人工智能顶级会议和期刊发表近200篇论文。此次受邀在IEEE SWC 2026发表学术主旨演讲，也进一步将其长期人工智能研究与松鼠Ai在真实教育场景中的规模化实践连接起来。

从“回答问题”到“持续教学”，AI导师的角色正在改变

大模型进入教育之后，最先被广泛感知的能力，是知识问答、题目解析和内容生成。但教育并不是由一次次独立的问答构成的，真正的教学需要持续了解学生的状态，并根据学习过程中不断产生的新信息调整下一步行动。

此次演讲聚焦的智能体AI导师（Agentic AI Tutors），进一步将AI能力延伸至多智能体大模型推理、多模态错误分析、对话驱动交互以及长期学习者建模等方向，使AI能够围绕同一名学生持续感知、分析和调整教学过程。与此同时，智能体AI导师还能够通过与真实学生数据持续交互，完成细粒度知识误区诊断、个性化反馈生成以及自适应学习路径优化。

这种细粒度诊断能力，也与松鼠Ai长期积累的多模态智适应教育技术基础形成衔接。在松鼠Ai多模态智适应教育大模型的技术架构中，全学科微颗粒知识图谱、学习行为全流程数据以及全学科学习资料共同构成重要基础，通过将学科知识进一步拆解为更细颗粒度的知识单元，再结合学生进度、学习路径和学习效果，可以为知识薄弱点定位、错因分析以及后续学习内容推荐提供更加细致的依据。相关行业研究显示，松鼠Ai多模态智适应教育大模型还进一步融合了知识图谱与检索增强、多模态教育大模型以及人工智能体能力。

这背后体现的是AI教育的一次重要能力跃迁。传统生成式AI更多解决“学生提出一个问题，AI给出一个答案”，而智能体AI导师需要处理的，则是学生现在处于怎样的学习状态、出现问题的原因是什么、下一步应该采取怎样的教学行动，以及新的学习结果出现之后是否需要再次调整。因此，衡量AI教育能力的标准也正在发生变化，真正接近“教学”的AI，不仅需要给出正确答案，更需要具备持续理解学生和连续采取教学行动的能力。

个性化走向规模化，AI需要持续理解学习过程

“规模化AI教育”是此次演讲的另一核心命题。个性化越深入，就越依赖对学生长期学习状态的持续理解；而真正的规模化，也不只是让更多学生同时使用AI，而是在学习者数量不断增加的情况下，依然保持因人而异的教学节奏与学习路径。

在这一过程中，持续构建学生学习画像成为重要基础。松鼠Ai多模态智适应教育大模型结合学习行为数据、全学科微颗粒知识图谱与智适应能力，持续更新对学生知识状态、进度和成长轨迹的理解，并进一步作用于学习推荐、路径规划、兴趣启发、习惯培养和学习情感干预等环节。

这也意味着，规模化个性化教育真正考验的，不只是服务范围能否扩大，更是个性化教学能力能否在大规模应用中依然保持稳定和有效。对智能体AI导师而言，这正是从技术能力走向真实教育价值的关键一步。

AI越能自主行动，可靠、稳健与可信越重要

智能体AI导师拥有更强的自主判断和行动能力，也意味着教育AI面临着比普通问答模型更加严格的要求。一次答案生成出现偏差，影响的可能只是当前问题；但当AI进一步参与误区诊断、反馈生成和学习路径调整，一个判断就可能影响之后的一系列教学行动。

因此，可靠性、稳健性与可信度，成为智能体AI导师走向真实教育场景的重要技术命题。文青松博士此次演讲也将这三个维度作为规模化真实应用需要重点关注的技术问题，智能体AI导师不仅需要具备教学能力，还需要在长期运行和不同学习场景中保持稳定、可信的表现。

这实际上为AI教育划出了一条更加清晰的分界线：模型能力决定AI“能做什么”，而可靠性、稳健性和可信度，则进一步决定AI“能否真正进入长期教学”。当AI承担的角色从辅助回答逐渐延伸至主动诊断和教学决策，技术评价也必须从单次结果走向长期表现。

从AI工具到智能体导师，规模化教育正在打开新的想象空间

IEEE SWC 2026将“人机伙伴关系”作为大会核心主题，而智能体AI导师恰恰提供了这一趋势在教育领域的具体落点。AI不再只是等待学生提问的被动工具，而是开始参与对学习状态的理解、教学反馈的形成以及长期学习过程的持续优化，人机协作也因此从简单的“使用工具”，进一步走向更深层次的教学协同。

从松鼠Ai长期技术积累来看，全学科微颗粒知识图谱为知识拆解和细粒度诊断提供基础，多模态能力让AI可以进一步理解文字、图像、语音以及解题过程中的多维信息，而松鼠Ai多模态智适应教育大模型则将这些能力进一步连接到诊断、反馈、路径规划和持续教学之中。新一代松鼠Ai多模态智适应教育大模型进一步强化了多模态智能错因分析与追根溯源、多模态智能人机互动以及多模态智能测试与评估等能力。

对AI教育而言，真正具有想象力的未来，并不是让更多学生面对同一个更聪明的AI，而是让大规模教育依然能够保持对个体差异的关注。当智能体AI导师能够在长期学习过程中持续理解学生的知识状态、学习节奏和能力变化，并据此动态调整教学方式，过去高度依赖教师个人时间和经验的个性化教育，也有机会形成新的规模化实现路径。

从这个意义上看，智能体AI导师的价值并不只是让AI更像一名老师，而是尝试解决教育长期面对的核心难题：如何让高质量、持续且真正面向个体的教学能力，覆盖更多学习者。这也正成为AI从“教育工具”迈向“AI教育基础能力”的重要一步。

海量资讯、精准解读，尽在新浪财经APP