让AI假扮学生，聊久了就走样：提示词还得不断纠偏

AI 导读

研究让4种模型生成1200段、每段28轮的两类ADHD学生模拟对话。行为特定提示使模型评定的角色漂移率下降87%，但并未消除漂移；研究对象是模型模拟，不是真实学生。

推荐理由

Reviewed Edu@AI import

正文

教育研究者有时用大模型模拟学生，但对话拉长后，模型可能逐渐偏离设定的人格。研究在四种模型、两种ADHD设定下生成1,200段28轮对话，比较定时重述、反思提醒和由监测器生成的行为特定提示。

相较不干预，重述设定使模型评定的漂移率下降35%至38%，反思提醒下降22%至27%，行为特定提示下降87%；没有一种方法完全消除漂移，动态介入也未显示优于固定时机。指标来自模型对生成对话的评分，不是ADHD学生的真实行为，提示策略本身还需拆分验证。