teacher-model

MIT研究人员提出了一种名为Pedagogical RL的新强化学习方法，该方法利用具有特权信息的教师模型和尖峰感知可学习性奖励，显著提高了样本效率和收敛速度，优于GRPO和OPSD等现有方法。

人类正在训练教师模型，使其以循序渐进的方式教学生模型，并对跳跃式教学进行惩罚，从而提高模型的智能。