arXiv · NLP· Zefeng He, Yichen He, Yuan Lin, Yang Yang, Yu Cheng·· 4 小时前AI 评分35
RLEC：一种支持显式置信度目标的大语言模型强化学习方法
Reinforcement Learning Done Right for Explicit Confidence Targets
AI 导读
新提出的强化学习方法 RLEC 解决了单一 LLM 难以区分不同置信度目标的问题。 RLEC 包含稳定奖励族和奖励调度机制，在多种 benchmark 上实现了竞争性校准表现，且训练后无需外部校准。
来源：arXiv · NLP · arxiv.org