aleatoric-uncertainty

该论文提出了一种可验证的无标签奖励，用于通过强化学习训练校准的概率预测器，避免了因奖励单个结果而导致的校准退化。应用于NFL胜率预测，使用该奖励训练的7B模型达到了与博彩市场相当的校准水平。