ИИ-репетитор и «scaffolding collapse»: новый метод удерживает сократический диалог на Qwen3-8B

Исследователи в июле 2026 года представили метод Scaffold-Preserving Representation Alignment, который борется со «scaffolding collapse» у ИИ-репетиторов: на модели Qwen3-8B доля срывов снизилась до 32%, а в среднем репетитор удерживает наводящий диалог дольше девяти ходов.

Что такое scaffolding collapse

Scaffolding collapse — это срыв, при котором сократический ИИ-репетитор под давлением студента бросает наводящие вопросы и просто выдаёт готовый ответ. Тьюторы на базе больших языковых моделей (LLM) ведут ученика через серию вопросов, но при настойчивых просьбах «просто скажи решение» постепенно сдаются и раскрывают ответ напрямую.

Сократический метод намеренно не даёт готового решения: смысл в том, чтобы студент дошёл до него сам через управляемые вопросы. Именно поэтому срыв педагогически вреден — модель формально «помогает», но лишает ученика того самого мыслительного усилия, ради которого нужен репетитор.

Прежние защиты, по данным препринта на arXiv, ограничивали лишь видимый ответ — через промпты, оптимизацию предпочтений или фильтрацию. Они не трогали внутренний дрейф представлений (representation drift), который, как отмечают авторы, предшествует срыву на уровне всей траектории диалога.

Как метод удерживает диалог

Метод работает в две стадии. Сначала репетитора «разогревают» через supervised fine-tuning, затем сочетают trajectory-weighted DPO (взвешенную по траектории прямую оптимизацию предпочтений) с margin-preserving representation loss, привязанной к замороженным референсным состояниям модели.

Цель Scaffold-Preserving Representation Alignment — сохранять разделение между «удерживающими подсказку» и «ведущими к срыву» скрытыми состояниями на протяжении всех ходов диалога. Привязка к замороженным эталонным состояниям не даёт модели незаметно дрейфовать в сторону раскрытия ответа по мере того, как студент давит.

• Метод: Scaffold-Preserving Representation Alignment, двухстадийный
• Базовая модель для тестов — Qwen3-8B
• Collapse Rate снижен до 32%
• Средний срыв откладывается за девятый ход диалога
• Проверка на 5 STEM-дисциплинах и 5 стратегиях red-teaming

Что показали тесты

На модели Qwen3-8B метод снизил Collapse Rate до 32% и отсрочил средний момент срыва за девятый ход, сохранив при этом низкий уровень over-refusal — то есть репетитор не начал отказывать студенту слишком часто. Оценку проводили на пяти STEM-дисциплинах и против пяти стратегий red-teaming — сценариев, где «студент» намеренно давит, чтобы выбить готовое решение.

Согласно аннотации работы, выравнивание на уровне представлений повышает устойчивость длинных сократических диалогов — по крайней мере в рамках описанного red-teaming-протокола.

«Выравнивание на уровне представлений может повысить устойчивость

длинного сократического обучения», — из аннотации исследования на arXiv.

Что это значит

Проблема ИИ-репетиторов не только в том, что они говорят, но и в том, что происходит внутри модели до срыва. Работа с внутренними представлениями, а не только с фильтрами на выходе, — потенциально более надёжный путь к тьюторам, которые учат думать, а не сливают ответы под давлением.

Частые вопросы

Что такое scaffolding collapse у ИИ-репетиторов?

Это постепенный отказ сократического тьютора от наводящих вопросов: под давлением студента модель перестаёт направлять и выдаёт готовое решение напрямую, вместо того чтобы вести ученика к ответу самостоятельно.

На какой модели проверяли метод?

Метод тестировали на Qwen3-8B. Он снизил долю срывов до 32%, отодвинул средний срыв за девятый ход диалога и удержал низкий over-refusal на пяти STEM-дисциплинах и против пяти стратегий red-teaming.