arXiv cs.AI阿里巴巴·32 天前★ 2

OpenJev-RLCD：可用的校准决策强化学习实现

原文标题：OpenJev-RLCD: A Working RLCD Implementation

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

研究者提出面向推理模型的校准决策强化学习（RLCD）可用实现，通过严格适当评分规则对答案分布打分，并采用先校准后强化的两阶段配方。在 Qwen3-1.7B 上，RLCD 在准确率上匹配或超越 SFT、RFT/STaR 和 GRPO，并在选择性预测上全面胜出。

问题: 推理模型经RLVR训练后过度自信，开源决策模型校准依赖SFT加温度缩放。
方法: 用严格适当评分规则对答案分布打分，提出先校准后强化的两阶段RLCD训练配方。
结果: Qwen3-1.7B上准确率匹配或超越SFT、RFT/STaR、GRPO，选择性预测全面胜出；GSM8K验证单次查询以≤5%错误覆盖约五成样本。
影响: 需要可靠概率输出的决策类应用可直接采用该训练配方，提升不确定性估计质量。

所属主题推理3

AI 处理过程展开/收起

原始标题：OpenJev-RLCD: A Working RLCD Implementation

AI 中文标题：OpenJev-RLCD：可用的校准决策强化学习实现

来源：arXiv cs.AI · 发布于 32 天前

分类：学术研究 · AI 重要度：★ 2（2）

标签：校准 / 强化学习 / 推理 / 选择性预测 / RLCD

关键词：RLCD / calibration / reinforcement learning

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。

相关推荐