“这套模型会协助教师，提前找出最值得投入资源的学生。”

瘦高男人翻开方案。

他胸前挂着AI技术公司的工牌，刚坐下便催工作人员接好投影仪。

风扇开始转动，会议室还留着实验室带来的酒精味，屏幕却先跳出一张升学曲线。

“任务完成，课堂活跃，家庭支持，三类数据都进模型，预测准确率能到百分之八十七。”

校长和教研主任的视线全落在准确率上。

再次过来学校的方既明没翻方案，目光落在数据来源上。

技术代表点开试算名单，学校事先提供的一批高三历史记录已经全部导入。

第三行学号刚出现，化学教师便认出了人，正是刚才实验操作全场最严谨的男生。

可他的名字后面，升学潜力只有百分之三十一，风险等级标成了红色。

模型给出的理由也很全，任务完成率偏低，课堂发言少，家庭支持资料不足。

“他能补全对照组，变量控制也最稳，这还叫低潜力？”

化学教师把记录推到屏幕前。

技术代表没有接记录，只把页面切到模型说明，称单次实验表现属于偶发样本。

方既明翻到男生旧记录，连续缺交的原因还写在调研材料里。

“你们把拒绝交隐私，也算成低潜力？”

方既明看向对方。

技术代表将页面缩小，解释模型只读取字段，不识别每条记录背后的具体情境。

这次跟着一起来的苏念薇已经拉开电脑，直接把三项指标摆到同一张表里。

“任务完成占多少，课堂活跃占多少，家庭支持又占多少？”

她问完等着答案。

对方手指抵住镜框往上推，表示权重与训练参数属于商业机密，只能展示最终结果。

苏念薇把电脑转过去，屏幕上正好停着那百分之三十一。

“判断逻辑都不给看，学生怎么知道自己为什么被判低？”

她问得很直接。

对面那人仍旧绕回准确率，强调模型经过多地样本训练，结果只提供决策参考。

方既明拿过方案，翻到资源推荐页，低潜力学生后面明确写着减少高阶课程投入。

“这已经在决定谁能上课，别再拿参考两个字遮着。”

他把方案推回桌面。

技术代表眼角抽了一下，转而强调教师可以人工修正，模型能大幅降低筛选成本。

“系统可以找困难，不能替学校挑孩子。”

方既明把试用申请压