arXiv cs.AI / cs.LG 最新· Zefeng He·· 21 小时前AI 评分54
RLEC 用强化学习让单个 LLM 按指定置信度决定作答或弃答
Reinforcement Learning Done Right for Explicit Confidence Targets
AI 导读
作者提出 RLEC，把用户写在提示词里的目标置信度 p 训练进模型策略，让模型自己决定作答还是弃答，使已回答问题的准确率不低于 p。论文称此前方法失败的原因是区分不同 p 的奖励信号在优化中丢失、原始错误惩罚在 p 趋近 1 时无界增长，因此改用稳定的奖励族加奖励调度。多基准与多模型规模实验显示它基本保留通用能力，训练后无需外部决策系统或阈值校准即可做细粒度目标控制。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。