陈林再创业推银河智学 AI教育聚焦学会会学爱学

2024年12月，前字节跳动高级副总裁、今日头条及大力教育原CEO陈林创办了银河智学，推出AI教育产品“小鹿爱学”，这一项目在2025年11月引发行业广泛关注。此前11月11日，在某教育技术创新大会上，银河智学首席科学家邓澍军博士发表主题演讲，详解了小鹿爱学的技术架构与学校场景落地逻辑。

邓澍军认为，通用大模型虽能快速生成解题步骤，却未必能回答“学生为什么不会”的核心问题。当通用模型成为基础设施，教育AI的真正分水岭，在于能否深入学习过程——理解学科逻辑、识别个体认知差异，并将技术转化为真实课堂中可验证的学习效果。

银河智学的核心成员多来自字节跳动教育业务及大模型相关团队，团队深耕学生自主学习与智能教育体系，积累了自主学习产品研发、课程教研，以及大模型长期记忆、解题与讲题能力训练等经验。邓澍军本人曾任清北网校负责人、大力教育算法负责人，参与过多款教育相关产品的研发。

双核技术底座：兼顾知识引导与学情精准判断

通用大模型虽具备强大的通识能力，但面对严谨的学科逻辑时仍可能出现偏差。围绕教育场景需求，小鹿爱学采用“通用大模型+自研智能学习引擎”的双核技术架构，将通用智能能力与教育专业算法深度融合。

通用大模型主要承担语言理解、内容生成和基础推理任务，团队针对教育场景做了专项调优：包括拆解解题思维链、设计苏格拉底式启发提问，以及开发基于长期记忆的智能体能力。通过对解题关键步骤的拆解，模型会在适当环节暂停并提出启发性问题，引导学生逐步理解知识、发现自身的思维盲点。

自研智能学习引擎则基于学习科学与认知测量分析，融合深度知识追踪、项目反应理论、认知诊断模型和知识空间理论等技术，通过分析学生的作答、提问和订正记录，精准判断学生已掌握的知识、存在的薄弱环节，以及下一步适合的学习内容，为学情诊断、能力测评、学习难度匹配和后续任务规划提供核心依据。

两者形成互补：通用大模型负责知识讲解、启发追问和过程引导，自研智能学习引擎负责学情诊断与学习路径判断。邓澍军将其概括为，前者要“引导得好”，后者要“算得准”。在此基础上，银河智学进一步将智能体能力延伸至学生学习规划和教师教学支持：学生端的规划智能体依托大模型长程记忆，结合长期学习情况推荐任务并说明依据；教师端的助教智能体则从学习记录中提炼进步线索，为个性化指导提供参考。

AI学习闭环则将学生的学习行为、教师的教学指导和学校的教学反馈持续衔接，学生的学习表现进入下一轮学情分析与任务安排，教师也可依据反馈调整教学策略，让AI能力持续作用于真实学习过程。这套架构的核心，是将学科知识、认知测量、学习状态分析与大模型的交互引导结合，通过持续的学习反馈优化后续支持。

从问答到引导：让学生成为学习的主体

对于教育AI而言，技术能力最终要转化为具体的产品交互，落实到对学习过程的理解与效果验证。目前许多AI教育产品仍以问答为核心，学生输入问题、AI生成解释，学习过程往往止于获得答案，但真正的学习还包括理解问题、梳理思路、练习应用和检验掌握情况，这些环节共同决定知识能否转化为学生自身的能力。

小鹿爱学的设计理念是“让技术退到幕后，让学生走到前面”，围绕完整学习过程打造功能：AI在适当时候提供支持，学生亲自经历选择、尝试、出错、调整和验证，在掌握知识的过程中逐步学会认识和管理自身的学习。系统支持学生围绕学习内容进行多轮提问与追问，将知识理解、练习应用与效果检验紧密连接。

邓澍军举例说明，当圆柱体高不变、底面半径变为两倍时，部分学生误以为体积翻倍，实际应为四倍。针对这类理解偏差，小鹿爱学引入动态概念实验和苏格拉底式启发：学生可通过滑杆直观观察半径变化对体积的影响，AI则围绕体积公式、底面积变化等关键步骤逐层追问，引导学生自主推导结论。这些引导为学生搭起理解知识的“梯子”，帮助他们迈出关键的第一步，在自主思考中逐步作答。随着理解加深，系统会适时撤去辅助，通过独立作答、解释思路和变式练习，检验学生的知识掌握与迁移能力，让学生在攻克难题的过程中获得“原来如此”“我做出来了”的顿悟与成就感。

在学习兴趣与信心培养上，团队将深度知识追踪与最近发展区理论结合，通过模型预测学生对下一道题目的答对概率，匹配具有适度挑战性的学习任务。系统会选择预测答对概率约70%-80%的题目，让学生通过努力获得进步。邓澍军表示，一次靠自己取得的小小突破，能成为孩子重建信心的“火种”。系统会记录学生不同阶段的学习表现，呈现相较于前一天、前一周的具体进步，让细小的努力被看见；学习战队让同伴彼此鼓励，助教智能体为教师提供针对性鼓励的依据，帮助学生逐步积累“我能学会”的信心，更愿意面对未知、继续尝试。

规模化落地：构建人机共育的教学闭环

对于学校场景而言，单点AI工具难以构成完整的教学解决方案，若学生仅靠AI快速完成练习却未真正理解知识，效率提升未必意味着学习质量的提升。小鹿爱学定位为面向学校的人机共育课堂解决方案，通过记录和分析学生的学习过程，为学生提供个性化支持，并辅助教师了解知识掌握情况与个体差异。

教师仍承担教学设计、关键知识讲解、学习引导和情感支持等核心工作，依据AI反馈调整教学策略。教师可通过学情看板了解学生的学习进度、共性疑问和订正情况，开展精讲、分层指导和个别辅导；学校管理层面，校长端汇总教学过程数据，为教学观察、复盘与管理提供依据。学校将自主学练、独立检测和针对性补学纳入日常课程与课表，检测结果再反馈至下一轮学情分析与任务安排，形成“教师主导、学生自主、AI支持”的教学闭环。

个性化学习是教育的长期目标，传统课堂中教师难以持续追踪每个学生的学习过程，更难为每个人提供及时有效的个性化指导。AI通过学习过程数据和智能分析，降低了识别学生差异、提供个性化反馈的成本，让部分原本依赖教师经验的工作变得更及时可持续。不过从单个学生的辅导走向学校规模化应用，仍面临不少挑战：不同学校的教学条件、课程进度和学生基础存在差异，教师能否将AI融入日常教学、产品能否稳定运行、学习反馈能否转化为教学行动，都影响实际应用效果。

团队曾在多地开展一线实践，比如在安徽阜南亲情学校的驻校探索中，发现学生的学习困难不仅体现在知识掌握，还包括学习方法和信心，这也影响了小鹿爱学的设计方向，更关注学习过程的全维度支持。目前小鹿爱学已落地不同地区和类型的学校，累计服务及合作学校超过500所，覆盖24个省级行政区，形成了适配不同校情的落地模式。

AI时代的教育价值：从知识获取到能力培养

大模型正在改变知识获取的方式，第一阶段的教育技术更多关注知识获取和学习效率，而AI带来的下一步变化，是重新审视学习本身的价值。过去学生需要花费大量时间寻找资料、理解概念，现在AI能快速提供信息、解释知识，甚至帮助完成复杂任务，知识获取的门槛不断降低，教育的价值也需要从知识传递转向能力培养。

因此，AI教育产品的评价标准也需调整：不能仅看答题速度、练习数量和交互频次，还要关注学生能否真正理解知识、形成有效的学习方法，逐步具备独立解决和主动探索问题的能力，在持续进步中建立学习兴趣与信心。这也是银河智学将“学会、会学、爱学”作为教育目标的原因，与陈林再次进入教育行业的初衷一致——面对AI带来的技术变革，教育需要帮助孩子具备应对不确定性、解决真实问题的能力。

当AI进入课堂，最终指向的是人的成长：让学生在教师的引导和技术的支持下，逐渐发展理解世界、独立判断和解决问题的能力，成长为能独立面对未知的人。教育AI的价值不在于技术的“聪明”，而在于俯下身理解每个孩子的认知盲区，点燃自主探索的内驱力，与学校的育人实践形成长期协同，最终真正促进学生的全面成长。