arXiv提出Sherpa框架
发生了什么
据arXiv论文，Sherpa框架通过多轮强化学习训练LLM自适应教学。该框架利用不同学习偏好的学生原型，直接最大化学习成果以优化教师模型。实验显示，学生表现平均提升20.5个百分点，MathTutorBench教学法评分从52.5%升至79.2%。人类评估中，训练后的教师模型在79.6%的成对比较中优于基础模型。
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
- arXiv cs.CL一手材料
Sherpa: Teaching LLMs to Teach Adaptively
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口