論文の概要: Towards Pedagogically Aligned LLM Tutors for Math Mistake Remediation

• arxiv url: http://arxiv.org/abs/2606.21502v1
• Date: Fri, 19 Jun 2026 14:53:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 12:58:57.450927
• Title: Towards Pedagogically Aligned LLM Tutors for Math Mistake Remediation
• Title（参考訳）: 数学ミステイク修復のための教育的なLLMチュータを目指して
• Authors: Kseniia Petukhova, Tien Dat Nguyen, Ekaterina Kochmar,
• Abstract要約: 本研究では,2段階アライメントパイプラインの数学的誤り修復への応用について検討する。 我々は,既存の学習コーパスと教育次元に沿って生成された合成データを統合するデータセットを構築した。
• 参考スコア（独自算出の注目度）: 12.296644292843801
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models have strong potential for use in intelligent tutoring systems, but they often fail to follow effective pedagogical strategies, such as guiding students without revealing final answers. We study the application of a two-stage alignment pipeline for math mistake remediation, combining supervised fine-tuning on tutoring dialogs with Direct Preference Optimization on synthetic preference pairs. We construct a dataset that integrates existing tutoring corpora with synthetic data generated along pedagogical dimensions, such as scaffolding and factuality, and study different input configurations that incorporate solution correctness and gold answers. Experiments show that this approach improves both factual accuracy and pedagogical quality over base models and existing tutoring models. Human evaluation further indicates that our best model is competitive with a strong proprietary baseline, while providing additional benefits in terms of openness, transparency, and reproducibility. Our results highlight the effectiveness of preference-based pedagogical alignment, while also revealing challenges in reliably evaluating tutoring quality.
• Abstract（参考訳）: 大きな言語モデルは知的な家庭教師システムに強い可能性を持っているが、最終的な答えを明かさずに生徒を指導するといった効果的な教育戦略に従わないことが多い。 教師付き微調整と合成選好対の直接選好最適化を組み合わせた2段階アライメントパイプラインの数学的誤り修復への適用について検討した。 我々は,既存の学習コーパスと,足場や事実といった教育次元に沿って生成された合成データを統合するデータセットを構築し,解の正しさと金の解答を取り入れた異なる入力構成について検討する。 実験により、本手法はベースモデルと既存のチューリングモデルよりも事実精度と教育的品質の両方を改善することが示された。 人間の評価は、我々の最良のモデルは強力なプロプライエタリなベースラインと競争し、オープン性、透明性、再現性という面で追加の利益を提供することを示している。 本結果は,授業品質を確実に評価する上での課題を明らかにするとともに,嗜好に基づく教育的アライメントの有効性を強調した。

関連論文リスト

• PEARL: Training Socratic Tutors with Pedagogically Aligned Reinforcement Learning [18.478727410749205]
  大規模言語モデル(LLM)は、教育的な家庭教師として有望であるが、効果的な家庭教師は問題解決以上のものを必要としている。 本稿では,ソクラテス学習エージェントを学習するための学習フレームワークであるPEARLを提案する。
  論文  参考訳（メタデータ） (2026-05-28T08:25:08Z)
• From Problem-Solving to Teaching Problem-Solving: Aligning LLMs with Pedagogy using Reinforcement Learning [82.50157695987558]
  大規模言語モデル(LLM)は教育を変換することができるが、直接質問応答のための最適化はしばしば効果的な教育を損なう。 オンライン強化学習(RL)に基づくアライメントフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-21T15:00:07Z)
• MathTutorBench: A Benchmark for Measuring Open-ended Pedagogical Capabilities of LLM Tutors [82.91830877219822]
  我々は、総合的なチューリングモデル評価のためのオープンソースのベンチマークであるMathTutorBenchを紹介する。 MathTutorBenchには、ダイアログベースの教育における科学の研究によって定義された、家庭教師の能力をカバーするデータセットとメトリクスが含まれている。 閉鎖的およびオープンウェイトなモデルの幅広いセットを評価し、問題解決能力によって示される課題の専門知識が、すぐには良い教育に変換されないことを発見した。
  論文  参考訳（メタデータ） (2025-02-26T08:43:47Z)
• Improving the Validity of Automatically Generated Feedback via Reinforcement Learning [46.667783153759636]
  強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。 具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
  論文  参考訳（メタデータ） (2024-03-02T20:25:50Z)
• MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties Grounded in Math Reasoning Problems [74.73881579517055]
  そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。 このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
  論文  参考訳（メタデータ） (2023-05-23T21:44:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。