随着AI问答系统在基础教育场景中的落地,如何识别学生陈述中的知识误区,并给予科学、友好的答复,是提升教学质量与学习效果的关键。本数据集聚焦“错误知识点的识别与修正”任务,基于小学阶段典型误答、误解和模糊提问构建问答样本,并引入教师打分与点评机制,形成高质量的RLHF训练数据,用于优化大模型在K12教育中“识错、纠错、引导”能力。