标签
一篇新的研究论文介绍了 RLMF（Reinforcement Learning with Metacognitive Feedback），一种两阶段方法，利用模型自身的自我判断来校准置信度并忠实地表达不确定性，在保持准确性的同时，在多种任务上实现了最先进的校准，并且比标准 RL 提升了高达 63%。
本文介绍了基于元认知反馈的强化学习（RLMF）和元认知数据选择，以改进大语言模型的校准，实现内部不确定性的忠实表达，并比标准强化学习提升高达63%。