arXiv · cs.CL· Zefeng He·· 22 小时前AI 评分41
RLEC：用强化学习正确实现大语言模型的显式置信度目标
Reinforcement Learning Done Right for Explicit Confidence Targets
来源与原文
arXiv · cs.CL
作者：Zefeng He
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.35059v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一篇 arXiv 论文提出 RLEC（Reinforcement Learning with Explicit Confidence Targets），首次成功训练单个 LLM 响应提示词中指定的置信度目标 p，在被回答问题上达到不低于 p 的准确率。该方法解决了奖励信号在优化中丢失、误差惩罚随 p 趋近 1 无界增长两大问题，采用稳定奖励族与奖励调度。实验覆盖多基准与多模型规模，RLEC 基本保留通用能力，校准性能具竞争力，且训练后无需外部决策系统或阈值校准即可支持细粒度目标控制。
来源：arXiv · cs.CL · arxiv.org