共 2 篇相关文章
一篇研究提出通过双层Stackelberg博弈将神经网络校准嵌入端到端训练，仅增加一个超参数即可联合优化准确率与校准质量，无需单独校准集，性能超越SOTA校准方法。
深入解析 TypeSafe Jev 背后的 RLCD 方法：如何用 Brier 等适当评分规则替代标准 RLVR 的 0/1 奖励，通过按箱校准惩罚解决 LLM 过度自信问题，以及为何全局惩罚会被 PPO/GRPO 的 baseline 吸收。
