Wirtualny mentor olimpijski, który myśli jak mistrz

Najlepsi nauczyciele informatyki potrafią zdiagnozować błąd w myśleniu ucznia po jednym spojrzeniu na jego kod. Problem w tym, że takich nauczycieli jest garstka. W Polsce działa może kilkanaście osób, które realnie przygotowują młodzież do olimpiad międzynarodowych, a reszta uczniów zostaje z tutorialami na YouTubie i zadaniami z poprzednich lat. Co gdyby każdy uczeń dostał mentora na poziomie mistrza, dostępnego o trzeciej w nocy i generującego nieskończenie wiele nowych zadań?

Nie chodzi o odpowiedź, chodzi o drogę do niej

Systemy oparte na modelach takich jak Nemotron, opisane w pracy Ficek i zespołu, przeszły drogę od przeciętnego uczestnika do poziomu przewyższającego najlepszych ludzi na Międzynarodowej Olimpiadzie Informatycznej. W 2026 roku model Ultra-CC zdobył 535.4 na 600 punktów, podczas gdy najlepszy człowiek osiągnął 498.27. To pierwszy taki przypadek w historii.

Dla edukacji kluczowy nie jest jednak sam wynik. Kluczowe jest jak system do niego doszedł. Badacze nie wrzucili po prostu miliona zadań do modelu. Stworzyli pipeline, który generuje syntetyczne ślady rozumowania: szczegółowe zapisy krok po kroku, pokazujące proces dochodzenia do rozwiązania. To one uczą model myślenia algorytmicznego, a nie zgadywania odpowiedzi.

Przełóżmy to na tutoring. Uczeń dostaje zadanie o dynamice na drzewie. Zamiast odpowiedzi "użyj heavy-light decomposition", system pokazuje ślad: "Zauważ, że zapytania są na ścieżkach. Co gdybyśmy podzielili drzewo na ciężkie krawędzie i lekkie krawędzie? Spójrz na ten przykład dla małego drzewa. Co się stanie, gdy zapytanie dotyczy tylko lekkich krawędzi?" To jest interakcja na poziomie mistrza, który nie psuje zabawy z odkrywania.

GenCorrect: sprawdzanie kodu jak sędzia na żywo

Drugi element układanki to strategia GenCorrect. W skrócie: system generuje wiele różnych rozwiązań tego samego problemu, uruchamia je na przypadkach testowych, dostaje informację zwrotną i iteracyjnie poprawia najlepsze kandydatury. Na olimpiadzie to dało modelowi Nano-CC skok z 291 do 468 punktów, powyżej progu złotego medalu.

W kontekście edukacji GenCorrect działa jak sędzia, który nie tylko mówi "nie przechodzi test 14", ale pokazuje, dlaczego nie przechodzi i sugeruje kierunek poprawy. Uczeń wysyła rozwiązanie. System analizuje je, znajduje kontrprzykład, generuje wskazówkę: "Twoje rozwiązanie nie działa dla grafu, który jest gwiazdą z 10 000 wierzchołków. Zastanów się, czy twoje podejście skaluje się liniowo". To nie jest statyczny checker z platformy typu Szkopuł. To dynamiczna analiza rozumowania.

Z moich rozmów z trenerami olimpijskimi wiem, że największą bolączką nie jest brak zadań, tylko brak czasu na indywidualną analizę rozwiązań każdego ucznia. Jeden trener na piętnastu uczniów nie przejrzy dokładnie wszystkich submitów przed zawodami. System z GenCorrect robi to w kilka sekund na rozwiązanie.

Nieskończona pula zadań olimpijskich

Baza 22 000 problemów użyta w badaniu to dopiero początek. Model wytrenowany na śladach rozumowania potrafi generować nowe zadania o zadanych parametrach trudności. Dla nauczyciela oznacza to koniec problemu "skończyły nam się zadania z programowania dynamicznego na przedziałach".

Wyobraźmy sobie scenariusz: nauczycielka widzi, że trzech uczniów ma problem z algorytmami zachłannymi na permutacjach. Definiuje w systemie: "wygeneruj 20 zadań o trudności odpowiadającej drugiemu etapowi OI, temat: algorytmy zachłanne, struktura danych: permutacje". System tworzy zadania, generuje do każdego ślad rozumowania i konfiguruje testy. Uczniowie dostają świeży materiał, a nie przerobione zadania z poprzednich lat, które połowa z nich i tak zna z forum.

Dla platform e-learningowych to zmiana modelu biznesowego. Zamiast sprzedawać dostęp do statycznej bazy 500 zadań, mogą oferować subskrypcję na generator, który nigdy się nie wyczerpuje i dostosowuje poziom do postępów ucznia.

Koszty, infrastruktura i realizacja

W badaniu użyto modelu Nano-CC (30 miliardów parametrów, 3 miliardy aktywnych) oraz Ultra-CC (550 mld/55 mld). Dla zastosowań edukacyjnych mniejszy wariant jest wystarczający do generowania podpowiedzi i sprawdzania rozwiązań na poziomie szkolnym i olimpijskim. Szacunkowy koszt inferencji dla pojedynczej sesji tutoringowej to około 0.02 do 0.05 dolara przy użyciu GPU klasy A100, przy założeniu kilku iteracji GenCorrect.

Platforma taka jak Codeforces czy Szkopuł mogłaby zintegrować to jako plugin do istniejącego systemu submitowania. Uczeń klika "poproś o wskazówkę" zamiast "pokaż rozwiązanie". System generuje ślad rozumowania zatrzymany w odpowiednim momencie, żeby nie zdradzić całości. To wymaga integracji API i bufora GPU po stronie platformy, ale nie jest to infrastruktura zaporowa. Koszt miesięczny dla platformy z 10 000 aktywnych uczniów szacuję na 4000 do 8000 dolarów przy wykorzystaniu instancji spotowych w chmurze.

Pułapki i co może pójść nie tak

Widziałem już dwa wdrożenia podobnych systemów w pilotażach, które nie wypaliły. Problem nie leżał w modelu, tylko w danych. Jeśli ślady rozumowania są generowane przez ten sam model, który później ma uczyć, powstaje pętla samoutwierdzania się. Model uczy się swoich własnych błędów i powiela je przy generowaniu wskazówek dla uczniów. Rozwiązaniem jest kuratorowanie śladów przez ludzkich ekspertów albo użycie silniejszego modelu do generowania materiału treningowego dla słabszego.

Drugi problem: uczniowie szybko uczą się exploitować system. Zamiast myśleć, będą klikać "podpowiedź" wielokrotnie, aż system poda im rozwiązanie. Trzeba zaprojektować limit podpowiedzi na zadanie i progresywnie zwiększać ich szczegółowość, nigdy nie podając gotowego kodu.

• Adaptacyjne podpowiedzi ze śladami rozumowania zamiast gotowych rozwiązań
• Automatyczna analiza kodu ucznia z kontrprzykładami i sugestiami poprawek
• Generator nieskończonej puli zadań o kontrolowanym poziomie trudności

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.