論文の概要: ToST: A Tree-of-Thought Socratic Teaching Framework for Multi-Path Guidance and Parallel Thinking
- arxiv url: http://arxiv.org/abs/2608.25775v1
- Date: Wed, 26 Aug 2026 13:18:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.841127
- Title: ToST: A Tree-of-Thought Socratic Teaching Framework for Multi-Path Guidance and Parallel Thinking
- Title（参考訳）: ToST:マルチパス誘導と並列思考のための筋書き型ソクラティック教育フレームワーク
- Abstract要約: 大規模言語モデル(LLM)は強力な問題解決能力を示し、ソクラテス教育の有望なエージェントとして位置づけている。
既存のアプローチでは、1-problem-one-solutionパラダイムを採用し、指導指導を1つの線形推論経路に制限する。
ToSTは,マルチパスガイダンスを,一プロブレム・マルチプル・ソリューションのパラダイムの下で明示的にサポートするソクラティック・インストラクション・フレームワークである。
- 参考スコア（独自算出の注目度）: 5.082760360268346
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large Language Models (LLMs) exhibit strong problem-solving abilities, positioning them as promising agents for Socratic teaching to guide students through step-by-step heuristic questioning. However, existing approaches typically adopt a one-problem-one-solution paradigm, restricting the teaching guidance to a single linear reasoning path. This design limits instructional flexibility, weakens error recovery, and restricts students' ability to engage in parallel thinking to explore multiple valid solutions. To overcome these, we propose ToST, a Tree-of-Thought Socratic Teaching framework that explicitly supports multi-path guidance under a one-problem-multiple-solutions paradigm. ToST employs Parallel Sowing, a parallel-thinking-oriented questioning strategy to encourage students to approach problems from diverse perspectives, and a Multi-Path Adaptive Guidance mechanism to provide more robust and non-linear instructions across alternative solution trajectories. Concurrently, to fill the void in systematically evaluating such non-linear instructional capabilities, we advance the task of multi-path Socratic guidance by establishing MPSG-Bench, a comprehensive benchmark that includes a dataset of 31K multi-path teaching dialogues and a five-dimensional evaluation framework grounded in the SOLO (Structure of Observed Learning Outcomes) theory to assess parallel-thinking guidance. Experimental results demonstrate that ToST significantly enhances guidance success rates while empowering students to navigate and explore multiple solution paths more effectively under both automatic and human metrics.
- Abstract（参考訳）: 大規模言語モデル(LLM)は強力な問題解決能力を示しており、学生を段階的にヒューリスティックな質問を通じて指導するソクラテス教育の有望なエージェントとして位置づけられている。
しかし、既存のアプローチは一般に1-problem-one-solutionパラダイムを採用し、指導指導を1つの線形推論経路に制限する。
この設計は、命令の柔軟性を制限し、エラー回復を弱め、複数の有効なソリューションを探索する並列思考に学生が関与する能力を制限する。
そこで本研究では,マルチパス指導を一元的マルチ・ソリューション・パラダイムの下で明示的に支援する「ツリー・オブ・ソート・ソクラティック・インストラクション」フレームワークであるToSTを提案する。
ToSTはパラレル・ソーイング(Parallel Sowing)というパラレル・ソーイング(Parallel Sowing)という,様々な視点から問題にアプローチするよう学生に促す並列的な質問戦略と,代替ソリューションの軌跡をまたいだより堅牢で非線形な指示を提供するマルチパス適応誘導機構を採用している。
同時に,このような非線形指導能力を体系的に評価する上での空白を埋めるため,MPSG-Benchという,31Kのマルチパス教育対話のデータセットと,SOLO(Structure of Observed Learning Outcomes)理論に基づく5次元評価フレームワークを含む総合的なベンチマークを作成した。
実験の結果,ToSTは指導成功率を大幅に向上させるとともに,自動測定と人的測定の両面において,複数のソリューションパスを効果的に探索することを可能にした。
関連論文リスト
- H-OPD: Confidence Aware Heterogeneous Multi-Teacher Multimodal On-policy Distillation [31.41588745047352]
H-OPDはマルチモーダル推論のための信頼度を考慮したヘテロジニアスマルチテラーPDフレームワークとして提案されている。
同じ推論プロセスで異種教員の相補性を検証することにより、H-OPDはタスクやサンプルレベルの教師ルーティングを置き換える。
H-OPDは、テキストのみの教師が重要な視覚的意味論にアクセスできるようにするために、視覚から言語への記述転送を利用する。
論文 参考訳（メタデータ） (2026-07-01T07:37:10Z) - Enhancing Multimodal In-Context Learning via Inductive-Deductive Reasoning [65.15766304205657]
In-context Learning (ICL) は、大規模なモデルをいくつかの例を使ってタスクに適応させるが、視覚言語モデル(VLM)への拡張は脆弱である。
我々の分析によると、基本的な限界は帰納的ギャップにあり、モデルはしばしば欠陥のある推論から正しい答えを導き出す。
帰納的帰納的プロセスとしてマルチモーダル ICL を再構成する枠組みを導入する。
論文 参考訳（メタデータ） (2026-05-04T09:18:19Z) - From Sparse Decisions to Dense Reasoning: A Multi-attribute Trajectory Paradigm for Multimodal Moderation [59.27094165576015]
疎度な意思決定から高密度な推論トレースへ移行する新しい学習パラダイム(UniMod)を提案する。
モノリシックな意思決定タスクを多次元境界学習プロセスに再構成し,エビデンス,モダリティ評価,リスクマッピング,政策決定,応答生成を含む構造化軌道を構築する。
タスク固有のパラメータを分離し、トレーニングダイナミクスを再バランスさせ、マルチタスク学習における多様な目的間の干渉を効果的に解消する、特別な最適化戦略を導入する。
論文 参考訳（メタデータ） (2026-01-28T09:29:40Z) - "The Whole Is Greater Than the Sum of Its Parts": A Compatibility-Aware Multi-Teacher CoT Distillation Framework [16.96094045628127]
CoT(Chain-of-Thought)推論は、大きな言語モデル(LLM)に優れた能力を与えるが、通常は禁止的なパラメータスケールを必要とする。
CoT蒸留は、推論技術をコンパクトな学生モデル(SLM)に伝達するための有望なパラダイムとして登場した。
我々は,教師の勾配を動的に重み付けすることで,教師の指導を適応的に融合させるフレームワークCompactを紹介する。
論文 参考訳（メタデータ） (2026-01-20T14:05:19Z) - Thinker: Training LLMs in Hierarchical Thinking for Deep Search via Multi-Turn Interaction [57.67217258741752]
Thinkerはマルチターンインタラクションによるディープ検索のための階層的思考モデルである。
複素問題を独立に解ける部分確率に分解する。
サブプロブレム間の依存関係は、これらの論理関数を介してパラメータとして渡される。
論文 参考訳（メタデータ） (2025-11-11T07:48:45Z) - A Survey on Parallel Reasoning [58.66122129692264]
まず、並列推論の形式的定義を示し、その区別をChain-of-Thoughtのような関連する概念と明確にする。
次に、非対話的推論、対話的推論、効率を重視した復号戦略を含む、新しい分類法に基づく高度な手法を編成し、議論する。
並列推論の中核的な課題を強調し,今後の研究の方向性を示唆する。
論文 参考訳（メタデータ） (2025-10-14T05:42:19Z) - VL-Cogito: Progressive Curriculum Reinforcement Learning for Advanced Multimodal Reasoning [69.44871115752055]
本稿では,PCuRL(Progressive Curriculum Reinforcement Learning)フレームワークを用いて学習した高度なマルチモーダル推論モデルを提案する。
PCuRLは、難易度が徐々に増大するタスクを通じてモデルを体系的にガイドし、多様なマルチモーダルコンテキストにおける推論能力を大幅に向上させる。
本フレームワークは,(1)連続するRLトレーニング段階におけるトレーニング難度を動的に調整するオンライン難易度重み付け機構,(2)タスク複雑度に応じて推論経路長を適応的に調整する動的長報奨機構,の2つの重要なイノベーションを紹介する。
論文 参考訳（メタデータ） (2025-07-30T12:23:21Z) - 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) - SIGMA: Sheaf-Informed Geometric Multi-Agent Pathfinding [11.38008343729117]
多エージェントパス探索問題は、大規模物流および輸送におけるロボット展開における中核的な課題である。
分散化深層学習にせん断理論を適用した新しい枠組みを導入する。
提案手法は、最先端の学習ベースMAPFプランナよりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2025-02-10T13:17:34Z) - LLMs can Find Mathematical Reasoning Mistakes by Pedagogical Chain-of-Thought [28.122761006724925]
PedCoT(Pedagogical Chain-of-Thought)は、推論ミスの識別のガイドとして設計されている。
PedCoTは、プロンプト(PPP)設計のための教育原則、2段階インタラクションプロセス(TIP)およびグラウンドドPedCoTプロンプトからなる。
提案手法は,信頼性の高い数学的誤り識別の目標を達成し,自動解答グレーディングの基盤を提供する。
論文 参考訳（メタデータ） (2024-05-09T07:37:34Z) - Boosting of Thoughts: Trial-and-Error Problem Solving with Large Language Models [43.09706839884221]
Boosting of Thoughts (BoT)は、大規模言語モデルによる問題解決のための自動プロンプトフレームワークである。
我々は,BoTが他の先進的なプロンプト手法よりも高い,あるいは同等の問題解決率を達成することを示す。
論文 参考訳（メタデータ） (2024-02-17T00:13:36Z)
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。