如何用大语言模型构建并校准单步决策模型

作者演示了如何利用 Qwen/Qwen3-1.7B 通过约束输出 token 构建单步决策模型，并用温度缩放解决模型过度自信问题。通过将词表掩码限制在预设选项上，模型只需单次前向传播即可输出概率分布；在 CommonsenseQA 数据集上测试准确率为 59.38%，微调后达到 62.41%。