标签
论文提出了 LLM-as-Jev，一种保留原有架构的框架，可从 LLM 的下一词元概率中提取经过校准的决策分布，并表明现代 LLM 本身就是有效的 Jev 式决策模型：微调在较弱模型和特定任务上能带来针对性的提升，而 KL 锚定则可防止对话生成性能退化。