#推理可靠性

三项推理可靠性研究共同指向校准弃答机制

论文综合三项近期研究，指出推理RL破坏工具可靠性表征、安全约束生成下大小模型行为分化、以及一致推理系统必然幻觉的定理，三者共同指向同一缺失能力：校准弃答。作者认为主流基准对拒答零奖励，导致排行榜梯度无法选出该能力，并提出三重评分、弃答率报告等四项评测改革。