K12-KGraph：一个课程对齐的知识图谱，用于教育大语言模型的基准测试与训练

研究者从人教版数学、物理、化学、生物教材中提取课程对齐知识图谱K12-KGraph，包含9种节点和14种关系，涵盖课程结构和视觉基础。基于该图谱构建了23640道题的基准K12-Bench（五种任务：基础、前提、邻接、证据、定位）和7335个样本的训练集K12-Train。测试显示Gemini-3-Flash准确率仅57%，Gemma-4-31B-IT达46%，前提和邻接任务最难。领域特定监督微调能缩小差距，K12-Train-Text在同等预算下优于主流指令微调语料。

此前教育大模型评测主要关注考试问答，缺少对课程知识结构和视觉呈现的理解。该研究首次提出课程认知概念，并构建了结构化基准，揭示现有模型在前提关系、概念邻近性等核心认知任务上表现差，为开发真正理解学科知识结构的专用教育模型提供了新方向和数据基础。

从官方教材中提取前提链、概念分类、实验-概念链接和视觉基础等关系，形成多类型节点和关系的知识图谱。基于图谱构造五个任务族的基准，每个任务测试不同的课程认知能力。训练数据引导模型学习知识结构化表示而非单纯答案匹配，使领域监督微调效果优于通用指令微调，因为图谱提供了额外的结构和依赖关系信号。

直接影响教育AI产品的研发方向：需关注模型对知识结构（如前提关系、概念邻近性）的理解，而不仅仅是答题准确率。开发或引入类似K12-Bench的评估工具可发现模型弱点。训练时可参考K12-Train的方式，利用图谱指导的微调数据提升课程认知能力，从而改进智能辅导、题库推荐等产品的有用性。

• 基于K12-KGraph的图谱结构，开发面向中小学课程的智能预习系统，自动生成知识依赖图谱和可视化学路径。
• 利用K12-Train-Text或类似方法微调教育模型，提升其在学科知识问答和视觉问答上的表现，用于智能题库或虚拟教师。
• 将K12-Bench的五个任务作为教育产品的场景化评测维度，定期监测模型对知识结构的理解水平，指导产品迭代。
• 参考前提关系任务，设计自适应学习系统根据知识依赖链推荐个性化学习路径，帮助学生补足前置知识。

• K12-KGraph是否涵盖数学、物理、化学、生物之外的其他学科（如语文、历史）及不同教材版本？
• K12-Train的7335个样本（2267文本+5068多模态）是否足够覆盖全部年级和知识点？是否有数据偏见？
• 模型在Prereq（前提）和Neighbor（邻接）任务上得分低的具体原因是什么？是任务设计还是模型能力不足？
• 该知识图谱和基准是否支持多语言或跨文化教育场景的迁移？