待验证50% 置信事实精确时间

研究者在 Qwen3-14B 模型上测试了直接训练模型学会何时作答，以及训练独立答案选择器两条技术路线

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

语言模型能学会何时拒答吗？策略学习与答案选择器实验

涉及实体

相关事实

待验证研究者将Edu-QuRater分数用作GRPO后训练的奖励项，实验以Qwen3-4B作为基础模型68% 相似待验证实验轨迹推演在方法论上接近主动学习与贝叶斯实验设计的结合，优先执行信息增益最大的实验67% 相似待验证Qwen 3是阿里巴巴通义实验室发布的开源大语言模型系列，具备混合推理模式和强化学习后训练能力66% 相似待验证2020年OpenAI的Kaplan等人论文首次系统证明神经网络性能与模型参数量、训练数据量、计算量之间存在幂律关系66% 相似待验证研究者开发并对比了多种微调策略，其提出的协同蒸馏与量化学生模型在策略对比中胜出66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002056

API

curl https://kongchang.com/api/v1/knowledge/claims/1002056

MCP

get_claim(id=1002056)