论文导读
斯坦福大学、佐治亚理工学院、卡内基梅隆大学提出Sherpa，让AI老师根据模拟学生的学习效果调整讲解方式。在七类模拟学生上，教学后的平均答题率从48.6%提高到69.0%；教学评测分从52.5%升到79.2%。它把学生能否进步变成训练信号，让同一道题能按不同讲解需求展开。
会解题，不一定能把学生教会
有的学生需要拆小步骤，有的想比较两种解法，还有的希望知道为什么这样推理。直接给出标准答案，不足以覆盖这些学习需求。Sherpa把老师能否适应不同需求作为训练目标。
研究用较强模型担任老师、较弱模型模拟学生，让一次教学依次经历备课、对话辅导和测试。老师通过学生回复判断它需要什么，再用教学后答题表现获得训练反馈。
实验聚焦数学题，筛掉老师不会解和学生本来就能做的样本，留下759道训练题与528道评测题。这里的学生是模型，不是真实课堂学生，答题率不能直接写成真人成绩提升。
图：模拟学生检查、师生对话，以及备课、辅导和测试三个阶段的示意。
别泄露答案，也别忽略讲解偏好
模拟学生前面有两道检查。第一道防止老师直接透露最终答案，中间计算和部分解题步骤仍可提供；第二道检查讲解策略是否符合学生的偏好。
符合需求的信息才送到学生模型，学生回复也反映其学习要求。老师因此需要逐步诊断错误、拆分目标、比较方法或说明因果，不能用一套完整答案应付所有人。
研究设置了七类学生，其中四类参与训练，另三类用于检查新偏好。老师底座为Qwen3-8B，学生底座为Qwen3-1.7B，训练改变老师的教学方式，学生底座保持冻结。
图：不同教学策略与学生偏好的学习改善和投诉比例热力图。
69%是模拟学生，79.6%是教师偏好
七类模拟学生的教学后平均答题率，原始老师为48.6%，只用无偏好学生训练的版本为52.0%，使用多样偏好训练的Sherpa为69.0%。训练过的四类学生平均为72.0%，未见三类平均为65.1%，说明迁移改善并不均匀。
外部MathTutorBench教学回复评测中，平均分从52.5%升到79.2%。部分找错位置与苏格拉底提问指标没有同步提高，不能只根据教学回复得分认定各项教学能力全面变好。
人类比较另外邀请96名高中教师，为320组回复各做三次判断，共960次。Sherpa获728次偏好，基础模型获187次，45次持平；排除持平后胜率为79.6%。这说明教师更喜欢这些回复，并未测量真人学生经过辅导后的长期学习效果。
图：七类模拟学生接受不同教师辅导后的答题率与整体置信区间。
下一步，把模拟偏好接向真实教学需求
Sherpa把学生需求与老师训练分开，后续可以细化学生偏好，或组合多种需求，让老师在对话中逐步推断。模拟学生也需要维持可学习性，避免只扮演错误却无法从指导中受益。
论文把支持真实学生列为后续方向。走到教学产品时，需要观察学生能否独立解题、不同学习者是否持续受益，以及老师有没有泄露答案。现有模拟实验和教师偏好比较给出了两类不同证据，可以分别作为后续评测的起点。
