**Sherpa:通过多轮强化学习训练LLM自适应教学**

_Sherpa: Teaching LLMs to Teach Adaptively_

> HuggingFace社区热门论文Sherpa提出了一种多轮强化学习框架,旨在解决LLM“会解题但不会教”的问题。该框架通过模拟具有不同学习偏好的多种学生原型,直接以学生的学习成果最大化为目标训练教师模型。实验显示,Sherpa训练的教师模型在所有学生原型上的平均表现提升20.5个百分点,MathTutorBench教学评分从52.5%提升至79.2%,且在人类偏好测试中胜过基础模型,为AI个性化辅导奠定了基础。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-07 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.08778)