待验证50% 置信事实精确时间
L2RR方法的核心思想是：目标数据所有者可以提供来自小型留出目标集的有限聚合反馈（如准确率），而无需暴露目标提示或rollout轨迹。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
涉及实体
相关事实
待验证L2RR学习一个源提示上的离散采样分布，通过优化一个双层目标：最大化留出目标数据集上的准确率，同时惩罚那些提供很少增量学习信息的rollout。76% 相似待验证L2RR在六个数学推理基准和三种模型规模上进行了实证评估，结果表明L2RR提升了目标域性能，同时提高了rollout效率。69% 相似待验证将约束前置在模型能力层面声明限制，可以让工具链在最早环节给出清晰反馈，而非在运行时暴露难以理解的错误65% 相似待验证研究团队提出了一个改进的偏好优化公式，显式地与少步生成的特性对齐，能在FSD框架内直接移除目标概念65% 相似待验证显式置信度目标是指用户在提示中指定一个目标值 p，模型据此直接选择作答还是弃权，目标是让已作答问题的准确率至少达到 p。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129355API
curl https://kongchang.com/api/v1/knowledge/claims/1129355MCP
get_claim(id=1129355)