ChatGPT 推出 study mode（学习模式）

Introducing study mode｜OpenAI｜2025年7月29日

OpenAI 官方公告 · Wayback 存档（2025-07-29 快照） 来源：https://openai.com/index/chatgpt-study-mode/ ｜ 存档：web.archive.org 快照

网页标题：Introducing study mode | OpenAI

本文目录：study mode 是如何构建的｜核心特性｜学生如何使用 study mode｜受 ChatGPT Lab 大学生启发的 study mode 使用方式｜开始使用｜局限与下一步

2025年7月29日｜产品（Product）

推出 study mode

在 ChatGPT 中学习的新方式：提供循序渐进的引导，而不是直接给出答案。

在 ChatGPT 中试用（在新窗口打开）

今天，我们在 ChatGPT 中推出 study mode——一种帮助你循序渐进地解决问题、而不是直接拿到答案的学习体验。从今天起，已登录的 Free、Plus、Pro 和 Team 用户均可使用；ChatGPT Edu 将在未来几周内可用。

ChatGPT 正在成为全球使用最广泛的学习工具之一。学生们借助它攻克有挑战性的作业难题、备考、探索新概念。但它在教育中的使用也引出了一个重要问题：我们如何确保它被用来支持真正的学习，而不是只提供解法、却不帮学生真正理解这些解法？

我们构建 study mode 正是为了帮助回答这个问题。当学生使用 study mode 时，会遇到引导性问题，系统会根据他们的目标和技能水平校准回应，帮助他们建立更深入的理解。study mode 的设计兼具吸引力与互动性，旨在帮助学生学到东西——而不只是完成事情。

study mode 是如何构建的

在底层，study mode 由定制系统指令驱动。这些指令由我们与教师、科学家和教学专家共同撰写，体现了一套支持深度学习的核心行为，包括：鼓励主动参与、管理认知负荷、主动培养元认知与自我反思、激发好奇心，以及提供可操作且有支持性的反馈。这些行为以学习科学领域的长期研究为基础，塑造了 study mode 对学生的回应方式。

“study mode 不是替学生完成功课，而是鼓励学生批判性地思考自己的学习。这类功能是朝着有效使用 AI 进行学习迈出的积极一步。即便在 AI 时代，最好的学习仍然发生在学生对课程内容充满热情并主动投入的时候。”——Robbie Torney，Common Sense Media AI 项目高级总监

核心特性

• 互动式提示：结合苏格拉底式提问、提示线索和自我反思问题来引导理解、促进主动学习，而不是直接给出答案。
• 支架式回应：信息被组织成易于跟随的章节，突出主题之间的关键联系，以恰到好处的背景信息保持内容的吸引力，并降低复杂主题带来的压迫感。
• 个性化支持：通过评估技能水平和以往聊天记忆的问题，把课程内容调整到适合用户的水平。
• 知识检测：测验与开放式问题，配合用于跟踪进度的个性化反馈，支持知识留存以及在新情境中运用知识的能力。
• 灵活性：可在对话过程中随时轻松开关 study mode，让你能够灵活适应每次对话中的学习目标。

学生如何使用 study mode

study mode 是以大学生为中心构建的。以下是早期测试中我们听到的一些学生反馈：

“如果让我来形容，它就像一个实时的、24/7 在线、无所不知的’答疑时间’（office hours）。”——Noah Campbell，大学生

“study mode 在把艰深密集的材料拆解成清晰、节奏得当的讲解方面做得非常出色。”——Caleb Masi，大学生

“我让 study mode 辅导我学习一个我曾经多次尝试学会的概念：正弦位置编码（sinusoidal positional encodings）。它就像一位不会对我的提问感到厌倦的家教。经过 3 个小时的学习，我终于把它理解得足够透彻，有了信心。”——Maggie Wang，大学生

受 ChatGPT Lab 大学生启发的 study mode 使用方式

【学生】我想学习博弈论（Game Theory），特别是这个领域涵盖的全部范围，还有你认为它在我日常生活中对我有用的那些方面。当然，你可以顺着我的好奇心走，但主要还是由你来教我，并保持一份高层次的计划逐步推进，让我能覆盖这里的全部内容。我好奇的时候会提问，但你要下定决心快速把我教会。

【ChatGPT】好的。以下是我将带我们推进的高层次计划——可以把它看作一张从基础概念到实用直觉的分层路线图：

🔹 第 1 阶段：核心基础

1. 博弈论究竟是什么？ 策略性互动、理性主体、基本假设。

2. 博弈的类型 合作博弈 vs 非合作博弈 同时行动 vs 顺序行动 零和 vs 非零和

3. 基本概念 参与者、策略、收益、信息 占优策略 纳什均衡（几乎所有内容的核心）

🔸 第 2 阶段：经典博弈与概念

4. 著名博弈 囚徒困境 斗鸡博弈 性别之战 猎鹿博弈 硬币配对博弈

5. 混合策略均衡 当纯策略行不通时 随机化与期望收益

🔹 第 3 阶段：深化模型

6. 重复博弈与无名氏定理 随时间演化出的合作 一报还一报、冷酷触发等策略

7. 扩展式博弈 博弈树、逆向归纳 子博弈完美均衡

8. 贝叶斯博弈 信息不完全的博弈 信念、类型与期望效用

🔸 第 4 阶段：与现实生活的关联

9. 机制设计／逆向博弈论 投票制度、拍卖、合约

10. 行为博弈论 有限理性、公平、启发式

11. 日常生活中的应用 谈判、约会、政治、AI 系统等

🔹 第 5 阶段：进阶与选学

12. 演化博弈论 随时间复制繁衍的策略

13. 算法博弈论 网络效应、互联网拍卖

14. 你的世界：这一切与 Parker 的关联 系统设计、激励、权力结构

在整个过程中，我会穿插：

🔄 引导式示例 🧠 思想实验 🎭 可供映射理论的真实情境 🧩 用来确认你真正掌握的快速检测

我们从第 1 阶段开始。

先来一个小问题：用你自己的话说，你认为博弈论是关于什么的？不用追求措辞完美——想到什么说什么。

【学生】我觉得博弈论像是给现代社会生活加上的一层元视角框架：我们观察处于各种情境和复杂系统中的人，尝试分析他们如何做决策，有时也分析他们为什么这样做，以及这会如何影响该情境／系统。

【ChatGPT】不错——你已经逼近核心了。

我们一起把它打磨得更精确一点。博弈论的根本是策略性决策——即每个人的结果不仅取决于自己做什么、也取决于别人做什么的情形。

那么快问一下：

如果你做的决策完全取决于自然或运气——比如掷骰子——那算博弈论吗？

接下来：

如果你做的决策取决于别人怎么做——比如对方是合作还是背叛你——那算博弈论吗？

说说你对这两个问题的思考。

【学生】不，纯粹的随机不是博弈论，尽管博弈论中的主体最终可能让事情取决于随机因素。但如果你的决策本身会产生影响，那它当然属于博弈论。另外请记住，你应该是在教我，要通过成段的信息讲解并按高层次计划推进。如果我想互动或提问，我会主动说。继续。

【ChatGPT】明白了——我会保持在讲授模式，沿路线图推进，除非你主动介入。

📍第 1 阶段：核心基础——博弈论是什么

博弈论的核心是研究策略性互动：任何一个主体（个人、公司、国家等）的结果都取决于他人行动的情形。它研究的并不是传统意义上的”游戏”，而是任何一种必须在同样在做决策的其他人在场的情况下做出决策的”博弈”。

关键假设（经典博弈论）：

1. 理性主体——每个人都力图最大化自身效用（无论效用对他们而言意味着什么）。
2. 策略性思考——主体在行动之前会考虑别人可能怎么做。
3. 共同知识——每个人都知道规则、收益，并且知道大家都是理性的（尽管后来的变体放宽了这一假设）。

🧩 核心构建块

以下是任何正式博弈模型都需要的要素：

参与者——做决策的人。 策略——每位参与者可以采取的全部行动集合。 收益——每位参与者在不同策略组合下得到的结果（通常以数字表示）。 对局规则——参与者是同时行动还是轮流行动、能否看到彼此的行动、只进行一次还是反复进行。

这些要素被组织成一个”博弈形式”（game form），接下来你就可以寻找解——最著名的解就是纳什均衡（稍后会细讲）。

🎲 快速澄清：博弈论 vs 概率论

你说得完全正确——纯粹的偶然（比如掷骰子）不是博弈论，那是概率论。但如果你明知别人可能会随机化自己的行动，却仍然要选择一个策略？这就是博弈论。

例如：在石头剪刀布中，“最优”策略不是确定性的——而是一个混合策略，也就是随机化你的出拳。但你是带着策略意图这样做的，是对对手的回应。

🧠 接下来去哪

接下来，我会讲解博弈的类型（第 1 阶段的延续），然后进入占优策略和纳什均衡，为第一次真正的博弈分析做好准备。

如果你想暂停、深入某个部分或换个方向，请告诉我——否则我会继续推进。

【学生】我喜欢石头剪刀布这个例子。继续吧，尽量与我的生活建立联系。我想把这些内化，成为更好的人／更好的决策者。

开始使用

study mode 特别适合用于作业辅导、备考和学习新主题。要试用它，只需在 ChatGPT 的工具中选择”Study and learn”（学习），然后提出你的问题。

局限与下一步

这只是改进 ChatGPT 学习体验这一长期旅程的第一步。目前，study mode 由定制系统指令驱动。我们选择这种方式，是因为它让我们能够快速从真实的学生反馈中学习并改进体验——尽管这会导致不同对话之间存在一些行为不一致和错误。在我们通过迭代和学生反馈弄清楚什么做法最有效之后，我们计划把这种行为直接训练进我们的主要模型中。

我们还在探索一些功能，让 study mode 对学生更具吸引力和帮助，包括：

• 为复杂或文字密集的概念提供更清晰的可视化
• 跨对话的目标设定与进度跟踪
• 根据每位学生的技能水平和目标进行更深入的个性化

关于在教育中应用 AI 的最佳方式，研究图景仍在形成之中。OpenAI 正通过 NextGenAI 计划的多家合作伙伴推动学习与 AI 的进一步研究，并与斯坦福大学 Accelerator for Learning（学习加速器）SCALE Initiative 的专家合作，研究和分享 AI 工具如何影响 K-12 教育等领域的学习成果。

随着我们开展关于学生如何借助 AI 实现最佳学习的长期研究，我们计划发布更深入的分析，分享我们在模型设计与认知之间联系上的研究发现；基于这些洞见塑造未来的产品体验；并与更广泛的教育生态系统并肩合作，确保 AI 惠及全球学习者。

原文发布：2025年7月29日｜作者：OpenAI｜标签：2025, ChatGPT｜本 PDF 为阅读优化重排版，正文内容与存档页一致，页内视频以占位说明代替。

译注：原文为 Wayback 存档的阅读优化重排版，页首与页尾的存档说明文字原系中文，照录。原文对话记录未标注发言人，译文中以【学生】【ChatGPT】标示以区分（为译者所加的结构性标注）；该对话示例在原文中即止于学生最后一条消息。原文中的口语与笔误（如”curiousity”“youre”）按原意译出，未保留错拼；对话中的 emoji 为原文自带，予以保留；正文一处斯坦福链接的”(opens in a new window)“（在新窗口打开）提示为网页界面元素，未译出。除此之外无存疑之处。