ToST：一种用于多路径引导与平行思维的 Tree-of-Thought 苏格拉底式教学框架

大型语言模型（LLMs）表现出强大的问题解决能力，因此有望作为苏格拉底式教学中的智能体，通过循序渐进的启发式提问来引导学生。然而，现有方法通常采用“一题一解”的范式，将教学引导限制在单一的线性推理路径上。这种设计限制了教学灵活性，削弱了错误恢复能力，也限制了学生进行平行思维、探索多个有效解法的能力。为克服这些问题，我们提出 ToST，一种 Tree-of-Thought 苏格拉底式教学框架，在“一题多解”范式下显式支持多路径引导。ToST 采用 Parallel Sowing，这是一种面向平行思维的提问策略，旨在鼓励学生从不同视角思考问题；同时引入 Multi-Path Adaptive Guidance 机制，在不同备选解题轨迹上提供更稳健且非线性的指导。与此同时，为弥补对这类非线性教学能力进行系统评估的空白，我们推进了多路径苏格拉底式引导任务，构建了 MPSG-Bench，这是一个综合基准，包含一个由 31K 条多路径教学对话组成的数据集，以及一个基于 SOLO（Structure of Observed Learning Outcomes）理论、用于评估平行思维引导的五维评估框架。实验结果表明，ToST 在显著提升引导成功率的同时，也使学生在自动和人工评测指标下更有效地梳理并探索多条解题路径。