RL-ARC：通过推理引导的不确定性校准大型推理模型

研究提出 RL-ARC 校准感知训练框架，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。RL-ARC 将推理置信度作为辅助信号，在回答正确时应用推理引导正则化，在回答错误时施加过度自信惩罚。分布内与分布外实验表明，该方法在不明显牺牲推理性能的前提下有效改善了模型校准，支持自适应置信度估计。