arXiv cs.AI· Gukhyeon Lee, SangKeun Lee·· 25 天前AI 评分34
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
AI 导读
研究人员提出校准感知训练框架 RL-ARC，通过联合利用推理置信度与答案置信度来校准大型推理模型。该方法将推理置信度作为辅助信号，在正确样本上应用推理引导正则化，并在错误样本上施加过度自信惩罚。分布内（ID）与分布外（OOD）实验表明，RL-ARC 在不明显牺牲推理性能的前提下改善了模型校准，并实现了自适应置信度估计。
来源：arXiv cs.AI · arxiv.org