据Ethan Mollick在X平台披露，包含Hamsa Bastani在内的沃顿研究团队发现：无约束地让高中生使用ChatGPT虽能提升练习题的正确率，但在无AI条件的正式考试中成绩更差；而在受控环境中将AI明确提示为“导师”的模式则能提升学习效果（据Bastani等人在SSRN论文与PNAS预印本信息）。据Anand Sanwal援引该研究，基础版ChatGPT组在无AI考试中较无技术组低17%，反映学生倾向直接索要答案而非推理。根据Bastani等人在SSRN的随机对照试验结果，结构化的导师式提示可改善学习成效，说明通过脚手架式引导与分步反馈可减少“抄捷径”。对行业的启示是：面向K–12数学的AI辅导产品应内置步骤分解、过程性反馈与迁移对齐，并服务于学区级的形成性评估与元认知教练等场景。

根据@emollick转引@hamsabastani 的帖文，在台北10所高中开展的5个月随机对照试验显示：将LLM辅导与强化学习结合，用自适应题目编排个性化练习，在770名Python学生中将无AI辅助的线下期末考试成绩提升0.15个标准差，初学者提升更明显。依据研究作者的介绍，所有学生使用相同课程与同一AI辅导，唯一区别是自适应与固定题序，从而识别出强化学习策略对学习效果的因果影响。作者还指出，增益来源于更高的参与度与更高效的AI使用，这些由学生与聊天机器人互动及解题尝试等信号驱动。对教育科技而言，据该线程所述，可在不更换内容与模型的前提下，通过RL驱动的课程编排提升可量化成绩，并优先面向新手群体获取更高回报。