論文の概要: PIVOT: Preference-based Intervention Vectors for Pedagogical Tutor Steering

• arxiv url: http://arxiv.org/abs/2608.07509v1
• Date: Mon, 29 Jun 2026 14:18:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.171905
• Title: PIVOT: Preference-based Intervention Vectors for Pedagogical Tutor Steering
• Title（参考訳）: PIVOT:Pedagogical Tutor Steeringのための優先型インターベンションベクトル
• Abstract要約: PIVOTは, 冷凍LDMチューターに対して, 好みに基づく介入ベクトルをオンラインで学習する, アクティベーションステアリングフレームワークである。 PIVOTは、保持された、ドメイン外のチューターデータ全体で、関係性と流布を保ちながら、チューターの動きを制御する。 30人の教師によるユーザスタディでは、73.3%の参加者が中立的なベースラインインタラクションよりもステアリング会話を好んだ。
• 参考スコア（独自算出の注目度）: 8.127497003823702
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLMs are increasingly used for conversational tutoring, but effective tutoring requires more than correct answers. Tutors must choose when to scaffold reasoning, hint, give feedback, explain, or invite reflection. Existing prompting and training methods improve pedagogical alignment, but lack reliable inference-time control over pedagogical strategies. We introduce PIVOT, an activation-steering framework that learns preference-based intervention vectors online for frozen LLM tutors. PIVOT uses a seven-category tutor-move taxonomy and a generate-label-optimise loop, where a human-validated LLM judge identifies target and confusable non-target moves to construct preference pairs for multi-layer residual-stream steering. Across held-out and out-of-domain tutoring data, PIVOT controls tutor moves while preserving relevance and fluency, and its directions can be scaled, transferred, and composed at inference time. In a user study with 30 teachers, 73.3% of participants preferred steered conversations over neutral baseline interactions using the same prompt, and rated the controls as clear, usable, and pedagogically meaningful.
• Abstract（参考訳）: LLMは会話型チュータリングにますます使われているが、効果的なチュータリングには正しい答え以上のものが必要である。 チューターは推論、ヒント、フィードバック、説明、リフレクションの招待をいつ行うかを選択する必要がある。 既存のプロンプトとトレーニング手法は、教育的アライメントを改善するが、教育的戦略に対する信頼性の高い推論時間制御は欠如している。 PIVOTは, 冷凍LDMチューターに対して, 好みに基づく介入ベクトルをオンラインで学習する, アクティベーションステアリングフレームワークである。 PIVOTは、7つのカテゴリーのチューター・ムーブの分類法と生成ラベル・最適化ループを用いており、人間の検証されたLCM判定器がターゲットを特定し、非ターゲット移動を妨害し、多層残留ストリームステアリングのための選好ペアを構築する。 PIVOTは、保持された領域内および外部の学習データ全体で、関連性や流布を保ちながらチューターの動きを制御し、その方向をスケール、転送、推論時に構成することができる。 30人の教師によるユーザスタディでは、73.3%の参加者が、同じプロンプトを使用して中立的なベースラインインタラクションよりも、ステアリングによる会話を好み、コントロールを明確で、使用可能で、教育的に意味のあるものとして評価した。

関連論文リスト

• TACT: Taxonomy-Aligned Post-Training for Pedagogically Adaptive English Tutoring [40.018315504853966]
  教育適応型ESLチューターの訓練後評価のための人為的枠組みであるTACT(Taxonomy-Aligned Conversational Tutor)を提案する。 TACTCorpusは、32,379のアノテーションと品質管理された強化トレーニングデータを使って、260人の真正な教師と学生の会話を豊かにする。 TACTBenchは78の教師コンテキストからなる戦略バランスの診断ベンチマークであり、TACTutorはバックボーンを20.30%改善している。
  論文  参考訳（メタデータ） (2026-08-04T17:16:14Z)
• Learning from the Future: Privileged Self-Distillation for Sequential Recommendation [51.993699802866956]
  本稿では,学習時間情報と推論時間情報とを分離するフレームワークを提案する。 Privileged Self-Distillation (PSD)は、学習時間情報を推論時間情報から分離する。 PSDは1つの段階でエンドツーエンドに最適化され、デプロイされたモデルと推論コストは変わらない。
  論文  参考訳（メタデータ） (2026-07-29T15:47:22Z)
• Teacher-Guided Policy Optimization for LLM Distillation [90.49982387646861]
  Teacher-Guided Policy Optimization (TGPO) は、生徒のロールアウトに条件付き教師予測を活用することで、高密度な方向性誘導を取り入れたオンラインアルゴリズムである。 複雑な推論ベンチマークの実験では、TGPOは標準ベースラインを著しく上回り、異なる教師にとって堅牢であることが示されている。
  論文  参考訳（メタデータ） (2026-05-13T09:20:03Z)
• Letting Tutor Personas "Speak Up" for LLMs: Learning Steering Vectors from Dialogue via Preference Optimization [45.40380629269521]
  教師と学生の対話に埋め込まれた教師ペルソナが、明示的に指示された指示に頼らずにLLM行動の指導にどのように使えるかを示す。 ステアリングベクトルは、対話コンテキスト間でのチューター固有の変化をキャプチャし、接地型チューター発話とのセマンティックアライメントを改善し、嗜好に基づく評価を増大させる。
  論文  参考訳（メタデータ） (2026-02-07T17:44:07Z)
• PATS: Personality-Aware Teaching Strategies with Large Language Model Tutors [66.56586559631516]
  大型言語モデル (LLM) は教育教師としての可能性を秘めている。 しかし、異なる学習戦略は、異なる学生の個性に利益をもたらす。 それにもかかわらず、現在のLLM教育システムは生徒の性格特性を考慮に入れていない。
  論文  参考訳（メタデータ） (2026-01-13T10:17:26Z)
• Discerning minds or generic tutors? Evaluating instructional guidance capabilities in Socratic LLMs [35.33577525791391]
  本研究は,質問生成を超えて指導指導能力を強調する。 実際の教育対話を基盤としたベンチマークである GuideEval を提案する。 本稿では,行動促進型指導対話を活用した行動誘導型微調整戦略を提案する。
  論文  参考訳（メタデータ） (2025-08-08T01:02:44Z)
• 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)
• Can Large Language Models Match Tutoring System Adaptivity? A Benchmarking Study [0.0]
  大規模言語モデル(LLM)は動的命令補助として約束を守る。 しかし、LLMが知的チューリングシステム(ITS)の適応性を再現できるかどうかは不明である。
  論文  参考訳（メタデータ） (2025-04-07T23:57:32Z)

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。