本文介绍了Goldilocks强化学习方法，该方法通过教师模型预测问题难度，从而选择适合学生模型的题目，提升稀疏奖励下的学习效率。在OpenMathReasoning数据集上，该方法的表现优于传统的GRPO，能够适应学生能力的变化，优化学习过程。