RLEC方法实现LLM显式置信度控制

研究团队Zefeng He等人于2026年10月27日在arXiv发布论文，提出名为RLEC的强化学习方法。该方法旨在解决单一大型语言模型难以有效区分不同置信度目标的痛点，通过引入稳定奖励族和奖励调度机制，实现了对模型置信度的显式控制。 据报道，RLEC方法在多种基准测试中表现出具有竞争力的校准效果，且经过训练后无需依赖外部校准流程即可生效。这一进展为提升大语言模型在不确定场景下的决策可靠性提供了新的技术路径。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。