热点事件持续更新
研究者开源校准决策强化学习实现OpenJev-RLCD
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月1日，研究人员推出并开源了校准决策强化学习实现 OpenJev-RLCD。针对可验证奖励强化学习（RLVR）容易引发模型过度自信的问题，该方法利用严格正定评分规则来评估推理模型生成理由后的答案分布，并采用“先校准后强化”的两阶段训练方案。在基于 Qwen3-1.7B 的推理测试中，RLCD 的准确率持平或超越了 SFT、RFT/STaR 及 GRPO，同时在选择性预测任务中表现全面胜出。目前该项目的代码与测试结果均已公开。
AI 根据报道生成 · 5 小时前更新
最新进展10月1日 12:00
研究人员推出并开源 OpenJev-RLCD，通过两阶段训练改善推理模型过度自信问题。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv 人工智能OpenJev-RLCD：一个可运行的 RLCD 实现
研究人员推出校准决策强化学习实现 OpenJev-RLCD，利用严格正定评分规则评估推理模型生成理由后的答案分布，以解决 RLVR 导致的过度自信。该方法采用“先校准后强化”两阶段训练方案；在 Qwen3-1.7B 上的推理测试中，RLCD 准确率持平或超越 SFT、RFT/STaR 及 GRPO，并在选择性预测中全面胜出。代码与结果已开源。
本事件热度走势
当前热度 9·可比范围峰值 10（10月1日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。