谷歌让AI智能体在发布前试玩其自己生成的课堂模拟

数字学习工具大多提供被动内容，如视频和教科书，因为交互式模拟构建成本高昂，且很少能匹配特定教师的课程或学生。谷歌研究院的应对方案建立在其2024年LearnLM模型和2025年“Learn Your Way”实验的基础上，采用生成式UI，让模型动态构建界面，而非预先编写代码，这样教师就能按需生成定制模拟，而不必从固定库中挑选。

该流程在开始时让教师留在环路中，在构建任何内容之前批准学习目标，然后在结束时将质量控制交给一条流水线。每个模拟都会拆分为与这些目标挂钩的更难游戏关卡，并配有提示、公式工具箱和定制反馈。在教师看到任何内容之前，一个自我纠正循环会检查教学法、机制和视觉设计；机制检查是智能体式的，会打开一个Chrome实例，像用户一样与模拟交互，包括极端控制值等对抗性输入，以捕捉损坏的关卡。

谷歌发布了一个公开库，包含30多个经过审核的英语STEM学科学习交互内容，全部在发布前经过教师审核。在一项与英国STEM教师开展的研究中，物理和化学主题在模拟创建方面评分最高。另一项与12名美国教师开展的研究中，每位教师为自己的课堂请求三个定制交互内容，平均质量评分为10分中的8分，教师们指出，动态生成解决了静态、现成模拟无法解决的问题：根据其实际课程进行差异化教学。

让智能体在教师看到模拟之前尝试攻破它

要求在生成前由教师批准学习目标，使人类决策继续留在唯一一个关键点上：如果目标错误，所有下游关卡也会随之出错。

将验证拆分为三个明确标准——教学法、机制和视觉设计——让每一项都能由最适合的方法检查，而不是进行一次通用的质量检查。

使用真正在浏览器中驱动模拟的智能体评估器，而不仅仅是检查生成的代码，可以捕捉静态分析会遗漏的可解性故障。

测试对抗性输入，而不仅仅是预期路径，针对的是静态、手工构建的模拟不会有的故障模式，因为后者由其作者测试一次，之后从不重新生成。

当你无力让人类检查每一个生成的产物时，给智能体提供与人类相同的界面，让它像粗心或对抗性的用户那样尝试攻破该产物。

谷歌正通过Google for Education试点计划与学校试点该工具，新生成的交互内容会返回给提出请求的教师审核，只有在该审核通过后才会进入公开库；谷歌还计划就真实课堂中的学习收益和参与度开展用户体验研究和实地研究。团队称已发布的库只是早期一步，随着试点扩大，还会有更多学科和年级加入。