Sherpa：让 LLM 学会自适应教学

论文提出 Sherpa，一个多轮强化学习框架：用不同学习偏好条件化出多种学生原型，训练教师模型通过直接最大化学生学习结果来调整教学策略。作者称经 Sherpa 训练的教师模型在所有学生原型上平均提升 20.5 个百分点，并在 MathTutorBench 上把整体教学法得分从 52.5% 提高（摘要截断）。该方法区别于依赖演示、偏好数据或预设教学标准的既有做法，强调以个体学习结果为信号。

AI推荐理由 提出 Sherpa 多轮强化学习框架，用多种学生原型按学习偏好条件化，直接以学生学习结果最大化来训练教师模型，报告称所有原型学生平均提升 20.5 个百分点，MathTutorBench 教学法总分从 52.5% 提升（摘要截断）。新信息在于把教学策略优化锚定到个体学习结果而非预设教学标准，对 LLM 教学/教育 Agent 有参考价值；局限是摘要未给出完整评测细节与基线对比。