마이크로소프트와 일리노이대 연구진이 소수의 데이터만으로 개별 학생을 모사하는 시스템 'StudentSim'을 개발해 AI 튜터 학습 속도를 높였다. 기존 방법은 실제 학생 데이터를 학습해 행동을 재현하지만 튜터의 설명을 반영하지 못하거나, 언어모델이 학생 역할을 하되 실제 학생 능력과 어긋나는 한계가 있었다. StudentSim은 먼저 과목 전체 학생 데이터로 공통 패턴을 학습한 뒤 개별 학생의 소수 기록으로 미세조정하는 2단계 학습으로 이를 해결했으며, 체스·영어·수학 60명 학생을 대상으로 한 실험에서 더 큰 모델인 GPT-5.4를 능가했다. 특히 체스에서는 실제 선수의 다음 수를 두 배 가까이 정확히 예측했고, 이렇게 학습된 학생 시뮬레이터로 훈련한 체스 튜터가 사실 오류가 가장 적고 설명 품질과 개인 적응도에서도 최고 점수를 받았다.

• •StudentSim, 소수의 학생 기록만으로 개별 학생의 실수 패턴과 학습 반응을 재현하는 2단계(공통 패턴→개인 적응) 학습 방식
• •체스·영어·수학 60명 학생 대상 실험에서 더 큰 GPT-5.4보다 학생 행동 재현 정확도 우수
• •체스에서 실제 선수의 다음 수를 GPT-5.4 대비 약 2배 정확히 예측, 교정 지도도 거의 항상 반영
• •StudentSim으로 훈련한 체스 튜터가 사실 오류 최소·설명 품질 최고 점수, GPT-5.4로 훈련한 튜터는 오히려 정확도 저하
• •베이스 모델은 알리바바 Qwen3-4B-Instruct 사용, 코드는 깃허브에 공개