刚看到Alice.Tech拿到YC和Cherry Ventures的480万美元种子轮，主打AI将通用课程材料转化为个性化学习内容，类似Duolingo的模式。这方向确实切中教育痛点：传统教材‘千人一面’，学生效率参差不齐。核心技术应该是基于知识图谱的适应性路径规划，加上生成式AI动态调整练习难度，类似强化学习中的‘课程学习’策略。

我的疑虑是：个性化推荐如何避免‘信息茧房’？比如过度强化薄弱环节而忽略知识广度。个人经验中，Duolingo的重复练习虽有效，但缺乏深度推理训练。如果Alice只优化短期备考，可能牺牲长期理解。另外，生成内容的准确性如何保证？GPT-4偶尔胡编，教育场景下风险更高。

想问两个问题：1）他们的模型是否引入认知科学中的‘间隔重复’或‘费曼技巧’？2）如何处理不同语言或文化背景下的课程适配？

从行业看，这轮投资标志AI教育从‘工具辅助’转向‘内容生成’，类似Codecademy用AI替代讲师。但个性化教育的终极挑战是平衡效率与深度，避免沦为‘刷题机器’。期待Alice能开源部分技术细节，让社区检验。