AI 导师 · 教育两西格玛的普及
本条为初评草案（AI 辅助编目 · 评于 2026-07）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
Bloom 在 1984 年发现：接受一对一掌握式辅导的学生，成绩比传统课堂平均高约两个标准差——普通学生变成前 2%。这个「两西格玛问题」四十年无解，因为一对一人类导师贵到只有极少数家庭负担得起，教育的天花板实质上被家庭财力锁死。AI 导师第一次让边际成本趋近于零，理论上能把这份增益送到每个孩子手上——这是 A 轴（可及性）上杠杆最大的方向之一：它撬动的不是分数，而是全球人力资本的底层分布。攻破它意味着教育质量与出身脱钩。
难点不在聊天能力而在教学本身：需要对学习者做跨月跨年的长程建模（知道他哪里没懂、为什么没懂），而当前系统缺乏可靠的长期学生模型；动机与坚持是人类导师的隐性核心功能，AI 尚无稳定替代机制；最关键的是缺严格验证——真实学习增益需要大样本长周期 RCT，而行业普遍用使用时长和满意度代替学习效果，两西格玛是否真能被 AI 复现至今没有定论。
Khan Academy（Khanmigo）、学界两西格玛复现与 AI 辅导效果研究、多家教育科技公司
读学习科学与 AI 的交叉方向（认知诊断、知识追踪、教育测量），Bloom 原始论文加近年 AI tutoring RCT 文献是入门地图。进认真做效果验证的 AI 教育团队（而非套壳聊天产品），从「长程学生模型」或「设计并跑一个严格的学习增益 RCT」这个子问题切入。
谁在攻这颗暗星 · 攻关者名录5 人
这不是终点站——今天在这颗暗星上攻坚的人，就是明天点亮它、登上星光榜的候选。名录含科研、创业与第三方三类关键角色，初评待核实，欢迎补充与纠正。
去哪家 · 机构与公司名录3 家 · 其中初创/成长期 2
给求职者和投资人的信息增量——不只是听过的大机构，更多是正在攻这颗暗星的初创与新公司（联网实搜、初创优先排序，初评待核实）。