arXiv · AI· Zhenzhen Ren, Xiaoqing Zhang, GuoBiao Li, Bowen Fang, Yanxi Wang, Xinpeng Zhang, Ke Han·· 24 天前AI 评分35
StaR-TTA:基于轨迹稳定性的无标签大语言模型推理时置信度适应框架
Test-Time Confidence Adaptation under RL-Induced Trajectory Shift
AI 导读
研究发现,尽管 Agentic RL 导致推理轨迹发生显著偏移,但“更稳定的轨迹更可能产生正确回答”这一可靠性结构在 Base 和 RL 模型间得以保留。 基于此,作者提出 StaR-TTA 框架。
来源:arXiv · AI · arxiv.org