热点事件持续更新
RLEC 让 LLM 按目标置信度作答或弃答
1 篇报道1 个报道来源20 小时前更新
先了解这件事
AI 综述
2026年10月26日，arXiv cs.AI/cs.LG 发布 RLEC 研究：将用户提示中的目标置信度 p 训练进单个 LLM 策略，由模型自行决定作答或弃答，并使已回答问题的准确率不低于 p。作者称，早先方法失败源于区分不同 p 的奖励信号在优化中丢失，且原始错误惩罚在 p 趋近 1 时无界增长；RLEC 改用稳定奖励族并加入奖励调度。多基准、多模型规模实验显示，该方法基本保留通用能力，训练后无需外部决策系统或阈值校准，即可进行细粒度目标控制。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 17:05
10月26日论文提出 RLEC，将目标置信度 p 训练进策略，模型自行决定作答或弃答。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AI / cs.LG 最新RLEC 用强化学习让单个 LLM 按指定置信度决定作答或弃答
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。
本事件热度走势
当前热度 6·可比范围峰值 6（10月27日 11:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。