学者质疑教学法RL：学生似然代理存在盲区

多位研究者对 pedagogical RL 论文提出保留意见，认为以「学生似然」作为可学习性代理可能并不可靠，真正有用的新推理动作在学生模型下未必是高概率的。他们担心过度优化 student-likelihood 会让模型趋于保守，过滤掉低概率但真正有价值的推理步骤，并建议结合两种思路加以改进。

2026-09-29 ~ 2026-09-29 · 2 条相关

• 研究者对 pedagogical RL 提出担忧：过度优化学生似然或过滤低概率推理 — novasarc01 · 2026-09-29
• 学者质疑教学法 RL：学生似然作为可学习性代理或有盲区 — novasarc01 · 2026-09-29