arXiv · NLP· YaJie Yin·· 4 小时前AI 评分21
14B 模型证据充分性判断中可训练边界保持的受控敲入研究
Trainable Boundary-Keeping Where No Formal Answer Exists: A Controlled Knock-In Study of Reward Training in Evidence-Sufficiency Judgment
AI 导读
一项预注册的受控敲入研究显示，在 14B 同族模型中，SFT 后接 GRPO 的“边界保持”训练流程可将自发正确拒答率从 25% 提升至 100%（40 个样本每臂），且 281 个有效声明的自动误拒率仅为 1.1%。
来源：arXiv · NLP · arxiv.org