Sherpa：让 LLM 学会自适应教学

多轮强化学习框架 Sherpa 通过构建多种具有不同学习偏好的学生原型，训练教师模型直接最大化学生学习效果，使其在所有原型上的学生表现平均提升 20.5 个百分点。在 MathTutorBench 评测中，Sherpa 将整体教学法得分从 52.5% 提升至 79.2%；人类研究中，训练后的教师模型在 79.6% 的成对比较中优于基座模型。代码与模型已公开。