论文页面 - StudentSim：基于大语言模型的学生模拟器训练

来源：https://huggingface.co/papers/2609.01591

摘要

StudentSim从稀疏数据中训练个性化学生模拟器，以镜像学习者反应并适应导师指导，在国际象棋、写作和数学领域超越现有模型。

人工智能导师在适应每个学生的优势、劣势和偏好指导方式时最为有效，但关于哪种指导对哪种学生有效的证据稀疏、收集缓慢且成本高昂。学生模拟器（https://huggingface.co/papers?q=Student%20simulators）可以作为代理提供这种信号，然而现有方法存在局限：状态追踪模型能拟合学生行为，但难以处理解释或纠正；而大语言模型角色扮演能流畅遵循指导，却无法可靠匹配被模仿学生的能力水平。我们提出StudentSim训练框架，通过池化训练（https://huggingface.co/papers?q=pooled%20training）与针对单个学生的专门化处理（https://huggingface.co/papers?q=per-student%20specialization），将稀疏的个体学生数据转化为个性化模拟器。生成的模拟器既能镜像学生自身的反应，也能在导师指导下更新反应。我们还引入了StudentSimEval标准化评估方案，涵盖国际象棋、二语英语写作和数学领域的60名学生，使用公开的学习者数据集及已去标识化的研究共享记录。StudentSimEval通过行为保真度（https://huggingface.co/papers?q=behavioral%20fidelity）（F，即模拟器匹配学生反应的程度）和指导响应性（https://huggingface.co/papers?q=guidance%20responsiveness）（R，即在导师指导下更新反应的意愿程度）进行评估，所有方法均在相同记录上进行拟合与评估。在所有三个领域，StudentSim在两项指标上均优于GPT-5.4。在国际象棋中，StudentSim达到F=0.51和R=0.91，而GPT-5.4为0.23和0.72，Maia2为0.45和0.27。作为概念验证，将StudentSim用作导师强化学习（https://huggingface.co/papers?q=reinforcement%20learning）的奖励模型（https://huggingface.co/papers?q=reward%20model），构建的国际象棋导师经专家人类评估，比无强化学习基线及针对GPT-5.4模拟器奖励训练的导师更准确、指导更优、个性化更强。代码已发布于 https://github.com/microsoft/StudentSim。

查看arXiv页面 (https://arxiv.org/abs/2609.01591)查看PDF (https://arxiv.org/pdf/2609.01591)项目主页 (https://microsoft.github.io/StudentSim/)GitHub10 (https://github.com/microsoft/StudentSim)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.01591)

在您的代理中获取此论文：

hf papers read 2609\.01591

尚未安装最新CLI？请执行curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型0

暂无模型链接本文

在模型README.md中引用 arxiv.org/abs/2609.01591 以将其链接到本页面。

引用本文的数据集0

暂无数据集链接本文

在数据集README.md中引用 arxiv.org/abs/2609.01591 以将其链接到本页面。

引用本文的空间0

暂无空间链接本文

在空间README.md中引用 arxiv.org/abs/2609.01591 以将其链接到本页面。

包含本文的合集0

暂无合集包含本文

将此论文添加到合集 (https://huggingface.co/new-collection)以将其链接到本页面。