Sherpa 框架：用 RL 让 LLM 老师按学生结果自适应教学

Diyi Yang 团队提出多轮强化学习框架 Sherpa，让教师 LLM 通过直接最大化学生的学习结果来调整教学指令。该框架用 LLM 实例化多种具有不同学习偏好的学生原型，经 Sherpa 训练的教师模型在所有学生原型上都提升了学生的学习表现。代码已开源。