ToST：面向多路径引导与并行思维的思维树苏格拉底教学框架

大语言模型（LLM）展现出很强的解题能力，使其有望充当苏格拉底式教学的智能体，通过循序渐进的启发式提问引导学生。然而，现有方法通常采用“一题一解”范式，把教学引导限制在单一线性推理路径上。这种设计限制了教学灵活性，削弱了纠错恢复能力，也限制了学生进行并行思考、探索多种有效解法的能力。为克服这些问题，我们提出ToST，一个在“一题多解”范式下显式支持多路径引导的思维树苏格拉底教学框架。ToST采用面向并行思维的提问策略Parallel Sowing鼓励学生从多样视角切入问题，并以Multi-Path Adaptive Guidance机制在不同解法轨迹上提供更稳健的非线性引导。同时，为填补系统性评估此类非线性教学能力的空白，我们推进了多路径苏格拉底引导任务，建立MPSG-Bench——一个包含3.1万条多路径教学对话数据集以及基于SOLO（可观察学习成果结构）理论、用于评估并行思维引导的五维评估框架的综合基准。实验结果表明，ToST显著提升了引导成功率，并在自动与人工两类指标下都让学生更能有效地遍历和探索多条解题路径。