生成式 AI 能够大规模生成编程作业的反馈，但如何验证这些反馈是否符合教师的教学目标和策略一直是难点。教师往往难以在事前完整列出验证标准，因为这些标准常常在检查具体示例并修正不匹配的反馈时才会显现。
ValiAssist 提出一种“示例验证”机制：系统观察教师对 AI 生成反馈的修改，自动推断可复用的验证逻辑，并在其他学生提交上实时展示和编辑该逻辑。教师可以在批量应用过程中逐步细化规则，明确哪些判断能够推广，哪些只能局部使用。
在与 16 位教师的对比实验中，使用 ValiAssist 的教师能够更快构建并完善验证标准，生成的反馈与教学意图的对齐率提升至 91%（对比 57%），纠正错误标准的准确率也从 32% 提升到 77%，实现了两倍以上的提升。
实验结果表明，示例验证能够把教师在单个案例上的直觉判断转化为显式、可复用的逻辑，并在迭代过程中不断澄清这些判断的适用范围。
点评