师生课程学习
摘要
OpenAI 提出了师生课程学习(TSCL)框架,其中一个教师算法自动为学生选择子任务以学习复杂任务,基于学习曲线斜率进行优化并防止遗忘。该方法在十进制加法和 Minecraft 导航任务上与手工设计的课程相当或更优,使得之前无法通过直接训练实现的解决方案成为可能。
查看缓存全文
缓存时间: 2026/04/20 14:45
相似文章
在线教育中的可持续学习:一种强化学习方法
一篇arXiv论文提出了AI Tutor,一种用于在线教育的强化学习模型,可优化短期和长期学习效果,并在来自33,700名学习者的2300万条学习记录上进行了验证。
先竞争后协作:前沿AI教师构建可验证课程,使编程学生超越模仿
本文介绍了一种先竞争后协作的框架,多个前沿AI教师(Claude、Codex-GPT、Grok、Gemini)通过执行测试排名,然后协作构建可验证课程。研究发现,对教师解决方案进行模仿(SFT)会降低有能力的编程学生的表现,而使用相同课程进行带可验证奖励的强化学习(RLVR)则能提升表现,尤其是在竞赛问题上。
StudentSim:训练基于LLM的学生模拟器
StudentSim从稀疏数据中训练个性化的基于LLM的学生模拟器,以镜像学习者响应并适应导师指导,在国际象棋、写作和数学领域超越GPT-5.4。
@Xx15573208: https://x.com/Xx15573208/status/2053718128178184359
This article introduces an open-source AI tutoring system called 'Bloom-one-vs-one-study' that implements Benjamin Bloom's educational theory using Claude Code to provide personalized, adaptive one-on-one learning experiences.
收集人类反馈
OpenAI 发布了 RL-Teacher,这是一个开源工具,可以通过人类反馈而不是手工设计的奖励函数来训练 AI 系统,应用于安全 AI 开发和复杂强化学习问题。