IXThinker·2025-06-24 22:40

「強化學習教師」新範式 讓模型先學會教學

「授人以魚，不如授人以漁」——這句老話如今被寫進強化學習。由Transformer八子之一Llion Jones聯合創立的Sakana AI提出「強化學習教師」（RLT）新範式，讓模型先學會教學。

核心思想

RLT的關鍵轉向，是讓教師模型學習「如何教學」而非直接解決問題：教師從問答對中生成解釋，再指導學生模型學會推理，把解題負擔與教學負擔分開處理。