Sherpa: Teaching LLMs to Teach Adaptively

为了解决这个问题，我们引入了Sherpa，一个多轮强化学习框架，通过条件约束不同学习偏好下的LLMs实例化多个学生角色，并训练教师模型直接最大化其学习成果。使用Sherpa训练的教师LLMs在所有角色中使指导学生表现提升平均20.5个百分点。在MathTutorBench评估中，Sherpa将整体教学评分从52.5%提升至79.2%，表明教学响应更优。