マイクロソフト・リサーチ（Microsoft Research）は2026年10月12日、AIの講師を改良するための「代役の生徒」を作る研究「スチューデントシム（StudentSim）」を、研究ブログで紹介しました。実際の生徒の学習の記録から、生徒1人ずつに合わせたAIを作ります。その生徒らしい間違い方と、助言を受けたあとの直り方の両方が、本人に似るように学ばせたものです。代役を練習相手にしたチェスの講師AIは、強化学習で鍛える前の講師より、大きな誤りのない解説の割合が高くなりました。
この記事は、イリノイ大学アーバナ・シャンペーン校（University of Illinois Urbana-Champaign）との共同の論文（2026年9月1日公開）、研究ブログ、公開されたプログラムの説明書きにもとづきます。数字はすべて研究チームの測定で、ほかの人による確かめはまだありません。製品ではなく、教室でも使われていません。
AIの講師は生徒に助言したあと、生徒が間違いを直せたかを見ないと、教え方の良し悪しが分かりません。本物の生徒に試してもらう調査は、時間もお金もかかります。
そこで、AIに生徒の役をさせる方法があります。たとえば「算数が苦手な小学生として答えて」と頼みます。研究チームは、この方法だと、口調は子どもらしくても、答えはその生徒よりずっと上手になることがあると指摘します。代役が上手すぎると、講師の教え方がまずくても、うまくいったように見えてしまうことがあります。
一方、生徒の過去の答えから次の答えを当てる従来の仕組みは、講師が言葉で伝える助言を読み込めません。
研究チームは代役の生徒に次の2つを求めました。
生徒1人あたりの記録は少なく、たとえば英作文の学習者が書いた作文の数は、真ん中の人で3本です。そこで2段階で学ばせました。まず、同じ分野の多くの生徒の記録をまとめて学ばせ、よくある間違い方や、助言での直り方を覚えさせます。次に、まとめて学ばせたものを1人の生徒の記録だけで追加学習させ、生徒ごとの代役にします。もとにしたのは、アリババ（Alibaba）が公開している小さめのモデル「Qwen3-4B」です。
試したのは、チェス、英語を外国語として学ぶ人の作文、数学の3つの分野です。代役を作った生徒は計60人で、チェスが30人、作文と数学が15人ずつです。記録はどれも研究用に公開され、名前などを消してあります。チェスはネットの対局サイト「リチェス（Lichess）」の実際の対局を使いました。
チェスでは、代役が選んだ手が本人の実際の手と同じだった割合は51%でした。比べた相手は2つです。オープンエーアイ（OpenAI）のGPT-5.4に、その人の情報と記録を渡して役をさせた場合は23%でした。人の指し方をまねるチェス専用のモデル「マイア2（Maia2）」は45%です。間違えたあとに助言を読んで正しい手に直った割合は、代役が91%、GPT-5.4が72%、マイア2が27%でした。マイア2は言葉の助言を読み込めないので、この27%はほぼ助言なしの値です。作文と数学でも、2つの物差しの両方で、代役はGPT-5.4を上回りました。
次に、代役を練習相手にして、チェスの講師AIを強化学習（良い結果に点を与えて学ばせる方法）で鍛えました。練習相手には、1人の記録で追加学習させる前の、まとめて学ばせた段階の代役を使いました。特定の1人の癖に合わせすぎないためです。講師は、実際の生徒が指した悪い手を見て助言を書きます。代役がそれを読んで指し直し、手が良くなった分だけ講師に点を与えます。手の良し悪しは、チェスのソフト「ストックフィッシュ（Stockfish）」の評価で決めました。この点には、教え方が狙いの型に合っているかと、盤の様子を言い間違えていないかの2つの確認も掛け合わせています。
講師のもとのモデルと学ばせ方は同じにして、点の与え方だけを変えた3つの講師を比べました。GPT-5.4を代役にした講師の点には、さきの2つの確認は入っていません。チェスの経験者8人が、どの講師かを知らされないまま、30の局面で計74件を採点しています。
| 講師の鍛え方 | 大きな誤りのない解説の割合 | 教え方（5点満点） | その生徒への合わせ方（5点満点） |
|---|---|---|---|
| 強化学習なし | 75.7% | 2.99 | 2.80 |
| GPT-5.4を代役にして鍛えた | 71.6% | 3.08 | 2.42 |
| スチューデントシムの代役で鍛えた | 90.5% | 3.31 | 3.93 |
チェスの講師AIの試し。チェスの経験者8人が、30の局面で計74件を、どの講師かを伏せて採点。「その生徒への合わせ方」は、考えさせる問いかけを好む生徒への助言として採点。スチューデントシムの行だけ、点に教え方の型と盤の言い間違いの2つの確認が入っている。
数字は論文（2026年9月1日公開）による。
GPT-5.4を代役にして鍛えた講師は、大きな誤りのある解説が増え、強化学習をしない講師より割合が下がりました。研究チームは、この結果を「いちばん良い講師を作った」という主張ではなく、代役が講師を鍛える相手として使えることを示す試しだとしています。
学習は計算用の半導体（GPU）を8枚積んだ機械1台で行いました。論文の結果に使った計算は、GPU1枚で数えると、およそ390時間分です。
| 📢 公表されている説明 | ⚠️ こちらで確認できていないこと |
|---|---|
| 代役は、その生徒らしく答える点と、助言で直る点の両方で、GPT-5.4に役をさせた場合を上回った（3分野）研究チームの測定。60人。どの方法にも同じ記録を渡し、学習に使っていない同じ記録で採点。3回の学習の平均 | ⚠️ ほかの人が同じ手順で作り直した結果 ⚠️ もっと多くの生徒や、ほかの科目でも同じになるか |
| 代役を練習相手にした講師は、大きな誤りのない解説が90.5%になった強化学習なしは75.7%、GPT-5.4を代役にした場合は71.6%。チェスだけの試しで、8人が74件を採点 | ⚠️ 本物の生徒が、その講師で実際に上達するか（測っていない） ⚠️ 盤の言い間違いを減点する確認を外したときの結果（論文の表にない） |
| 研究用のプログラムを公開した説明書きは、製品や実際の場面で使うにはさらに試しが要ること、個人の力の評価や順位付けに使わないこと、チェス以外は試しが少ないこと、公式の安全審査はしていないことを書く | ⚠️ 学校や会社の研修で使った例 |
凡例：📢＝当事者が公表している説明 ⚠️＝出典に書かれておらず、こちらで確認できていない点
数字と説明は、論文（2026年9月1日公開）、マイクロソフト・リサーチの研究ブログ（2026年10月12日）、公開されたプログラムの説明書きによる。
社内研修や資格の勉強で、AIに解説をさせたい会社の教育担当に関係します。
たとえば、従業員100〜200人規模でガソリンスタンドを営む会社が、社員の危険物取扱者の試験対策に、間違えた問題をAIが解説する仕組みを入れるとします。解説の良し悪しを試すときに、AIに「受験生のふり」をさせるだけでは、本物の社員より上手に答えてしまい、どの解説でも効いたように見えることがあります。そこで、過去の社員が模擬試験でどの選択肢を選んだかの記録から、代役を作ります。まず、代役が過去の答えを、間違いも含めてどれだけ当てるかを確かめます。そのうえで、解説を読んだ代役が正しい選択肢に変わるかを数え、解説の書き方を比べます。代役の結果で社員一人ひとりを評価することはしません。選んだ解説は少人数の社員で試してから広げます。
マイクロソフト・リサーチは、実際の生徒の記録から、生徒1人ずつの代役のAIを作りました。AIの講師を試す相手には、本人の記録で学ばせ、本人の答えをどれだけ当てるかを先に測った代役を使います。チェスの試しでは、この代役で鍛えた講師の解説は、大きな誤りのない割合が90.5%で、強化学習なし（75.7%）やGPT-5.4を代役にした場合（71.6%）より高くなりました。数字は研究チームの測定で、本物の生徒が上達するかは、まだ測っていません。
