arXiv · cs.AI· Weixian Xu, Yanzhe Zhang, Zora Zhiruo Wang, Changyu Chen, Diyi Yang·· 2 天前
Sherpa：让大语言模型自适应地教学
Sherpa: Teaching LLMs to Teach Adaptively
arXiv:2610.08778v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Weixian Xu, Yanzhe Zhang, Zora Zhiruo Wang, Changyu Chen, Diyi Yang
研究任务与主要进展
Sherpa提出一种多轮强化学习框架，通过设置具有不同学习偏好的模拟学生，训练教师模型直接最大化学生的学习结果。基于论文摘要，训练后的教师使受指导学生在所有学生类型上的表现平均提高20.5个百分点，并将MathTutorBench总体教学评分从52.5%提升至79.2%；人类研究中的成对比较则有79.6%偏好训练后的教师。当前材料仅提供论文摘要，未说明实验细节和独立复现情况。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org