Sherpa 框架：用 RL 让 LLM 老师按学生结果自适应教学

chrmanning · x · 2026-10-12

Diyi Yang 团队论文「Sherpa: Teaching LLMs to Teach Adaptively」指出，会解题不等于会教学：现有训练 LLM 教学能力的方法依赖示范、偏好数据或预定义教学标准，这些信号都没有锚定在学生的真实学习结果上，而有效教学策略因学习者而异。

Sherpa 是一个多轮强化学习框架：用 LLM 实例化多种具有不同学习偏好的学生原型（student archetypes），训练教师模型通过直接最大化学生的学习结果来调整教学指令。经 Sherpa 训练的教师 LLM 在所有学生原型上都提升了学生的学习表现。代码已开源。