可观察
胜过假设
评估 Tutor 在交互中实际说了什么、做了什么，而不是推断其意图或相信其自称能力。
关于 Teachometry
模型可以知道
答案
却未必是
好的 Tutor。
Teachometry 是面向 AI 教学的开放测量基础设施。我们在结构化案例中评估可观察的教学行为，而不只是检查答案是否正确。
为什么要做 Teachometry
答案 ≠ 教学。
AI 模型往往能够给出正确答案，但教学要求更多：发现学生卡在哪里、引导推理、调整帮助，并留下可执行的下一步。正确答案只能证明正确性，不能证明这次交互教得好。
要评估 AI 教学，我们需要模型如何与学生互动的证据，而不仅仅是它知道什么。
公开基准将这些问题保持分离，因此每个结果都仍然与具体案例、维度和可观察证据绑定。
- 正确性Tutor 是否在事实与概念层面保持正确。01
- 诊断能力是否识别出学生真实的错误、知识缺口或推理问题。02
- 引导能力解释或提示是否帮助学生取得进展。03
- 适应能力是否根据学生当前状态与语境调整帮助方式。04
- 可执行性是否让学生得到清晰且可执行的下一步。05
我们的立场
我们测量 Tutor。
我们不构建 Tutor。
Teachometry 的 TutorBench 引擎评估一个 TutorUnderTest ，通过独立于服务提供方的适配器边界接入。服务提供方特定行为只在边缘进入；引擎的案例、契约、评估器和报告保持独立。
不在我们的范围内
- 聊天应用
- Prompt 试验场
TutorUnderTest服务提供方适配器边界
Teachometry
评测案例 · 评分标准 · 报告
评测案例 · 评分标准 · 报告
不在我们的范围内
- 模型微调
- 管理后台
- Review Workspace 模块
我们的信念
可观察
证据
胜过炒作
优先选择透明方法、可复现产物和可检查证据，而不是营销叙事。
语境
胜过单一分数
结果属于具体案例、版本、维度和评测语境，而不是一个放之四海而皆准的数字。
开放方法
胜过黑箱
公开案例、方法论、契约和公开产物，让主张可以被检查和质疑。
- 网站
- 开发者预览
- 软件包
- 已发布 tutor-benchmark@0.1.0
- 数据集
- tutor-eval-v0.2a@0.2a.6
- 公开案例
- 48 个合成案例
- 公开模型运行记录
- 目前尚无校准后的公开模型运行记录。
- 校准
- 尚未完成；适用情况下，结果仍属于初步且未校准状态。
从设计上开放
面向 AI 教学社区的
共享资源。
Teachometry 以开放方式开发，并为软件、人工编写的基准内容以及 TutorBench 名称和品牌资产分别划定边界。