嘿聊天，你能教我吗？为人类野外学习构建苏格拉底式对话

大语言模型 现在广泛用于日常学习，但底层交互通常是非结构化聊天，而不是遵循课程。与正式的在线学习系统不同，这些互动没有学生的先前记录，因此对学生已知内容的任何估计都必须从对话本身推断出来。我们表明，仅通过缩放模型并不能弥补这一差距。当被要求在长时间的课程中辅导学生时，前沿和教育调整的 LLM 表现不佳，因为这样做需要同时做三件事。导师必须对课程进行排序，进行苏格拉底式对话，并从对话中推断出学生的知识状态。我们建议分离这些责任。给定一个学生查询，我们的系统构建一个先决知识图，其中子主题是节点，依赖关系是边，并将辅导框架决定下一步要教哪个节点以及在继续之前要在该节点上花费多少对话。轻量级 PPO 策略处理此排序决策，而 LLM 在所选节点进行苏格拉底交换并返回学生进度的信号。在 STEM 和非 STEM 主题中，我们的 PPO 配对导师在学生完全掌握课程的速度和所需的轮数方面都优于启发式基线、前沿通用模型和专门用于苏格拉底式对话的模型。明确的课程结构可以带来扩展基础模型所无法带来的好处。