arXiv · cs.CL· Gukhyeon Lee·· 19 天前AI 评分18
RL-ARC：通过推理引导的不确定性校准大型推理模型
RL-ARC: Calibrating Large Reasoning Models via Reasoning-guided Uncertainty
来源与原文
arXiv · cs.CL
作者：Gukhyeon Lee
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/2610.11352v1
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
研究者提出 RL-ARC 校准训练框架，联合利用推理置信度与答案置信度，将推理置信度作为正确情形的引导正则化与错误情形的过自信惩罚。在 ID 和 OOD 设置的实验中，RL-ARC 不仅改善校准，还让模型能根据问题自适应估计置信度，且不明显牺牲推理性能。
来源：arXiv · cs.CL · arxiv.org