arXiv：cs.AI（全量分类）· Zhimin Gao, Pichao Wang·2026-10-01 12:00· 3 小时前AI 评分43

OpenJev-RLCD：一个可运行的 RLCD 实现

OpenJev-RLCD: A Working RLCD Implementation

AI 导读

研究者提出面向推理模型的 RLCD（校准决策强化学习）可运行实现：模型先采样推理过程，再用严格适当评分规则对其最终给出的答案分布打分。

来源：arXiv：cs.AI（全量分类） · arxiv.org

#论文/研究 #推理 #数据/训练