arXiv · cs.AI· Gabrielle Kaili-May Liu, Avi Caciularu, Gal Yona, Idan Szpektor, Arman Cohan·· 11 小时前
LLM强化学习引入元认知反馈以实现可信不确定性表达
Reinforcement Learning with Metacognitive Feedback Elicits Faithful Uncertainty Expression in LLMs
arXiv:2606.32032v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Gabrielle Kaili-May Liu, Avi Caciularu, Gal Yona, Idan Szpektor, Arman Cohan
研究任务与主要进展
研究作者提出带元认知反馈的强化学习（RLMF）和元认知数据选择方法，用于提升大语言模型表达内在不确定性的可信度。基于论文摘要，RLMF在多类任务上实现可泛化的可信校准并保持准确率，相对标准强化学习最高提升63%；该方法先将模型自报置信度校准，再通过定向输出编辑生成适应上下文的不确定性表达。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org