teacher(教師モデル)
別のモデルを導いたり評価したりする役割のモデル。学習のヒントや基準を与えて、学ぶ側が上達するのを手助けする。
たとえば: 家庭教師が、生徒の解き方を見て助言する役に近い。
AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。
この言葉が出てくる記事
- AutoScaffold:報酬に圧縮されがちな学習経験を「訓練時のヒント」に変える枠組み
AutoScaffoldは、RLVRで得られる訓練経験をもとに、凍結したteacherが戦略やヒント(スキャフォールド)を適応的に設計・調整する枠組みだ。4領域で、スキャフォールド無し評価でもRLベースラインを上回ったと報告している。
