Sherpa框架训练LLM自适应教学

1. 12:00
   arXiv：cs.AI

   Sherpa：教 LLM 自适应教学

   研究团队提出多轮强化学习框架 Sherpa，通过让教师模型直接最大化多种模拟学生的学习效果来训练其自适应教学能力。经 Sherpa 训练的教师模型使学生成绩平均提升 20.5 个百分点，在 MathTutorBench 上的整体教学评分从 52.5% 升至 79.2%。人类研究显示，该教师在 79.6% 的成对比较中优于基座模型，代码与模型已公开。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。