ALPS：分层规划让LLM模拟学生保持长期行为一致
论文AI 评分 62/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
论文提出 ALPS（Align Long-term by Planning Short-term），一种以可观测、环境相关的行为画像为条件的分层模拟学生。它不再逐回合独立选动作，而是在规划与画像一致的任务片段、生成对应动作之间交替。作者在探究式物理游戏和药房模拟两个环境中，用真实学生轨迹或教师 LLM 提供监督，比较 ICL、SFT、RAFT 及 SFT 后接 RAFT 的组合。结果显示 ALPS 在数据充足与稀缺两种设定下均优于逐回合生成，稀缺监督下密度与 LLM 评判通过率可比，但覆盖率仍偏低。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载逐回合生成的漂移问题
论文关注开放-ended 学习环境中的模拟学生。现有基于 LLM 的模拟器多面向较短、以语言为中心的交互；而在开放式环境里，学生行为体现在长程交互轨迹的整体模式上，逐回合提示容易偏离预先指定的行为画像。ALPS 的出发点是把长期一致性拆成短期规划来处理：模型不再每一步独立选择动作，而是先规划出与画像相符的任务片段，再生成该片段内的具体动作，如此交替推进。
两种监督与四类训练方式
作者在数据充足与数据稀缺两种设定下评估 ALPS，监督信号分别来自真实学生轨迹或教师 LLM。训练与对比方式包括上下文学习（ICL）、监督微调（SFT）、奖励排序微调（RAFT），以及先 SFT 再 RAFT 的串行组合。评测环境为探究式物理游戏和药房模拟，指标包括对照留出真实数据的行为密度与覆盖率，以及由与人类对齐的 LLM 评判给出的画像一致性通过率。
结果与局限
两种设定下，ALPS 均稳定优于逐回合生成；在监督稀缺时，其行为密度与评判通过率与充足监督时相当，但覆盖率仍然偏低。作者据此认为，分层规划能在长交互跨度上实现忠实、贴合画像的模拟，即便真实学生数据有限。论文共 33 页、3 幅图、20 张表，归入 cs.AI、cs.CL 与 cs.CY。
为什么值得看
做 AI 教育、学习平台仿真或长程智能体的人可关注：分层规划如何抑制长程交互中的画像漂移。
论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。