arXiv · cs.AI· Jungsoo Park, Hyungjoo Chae, Ethan Mendes, Jay DeYoung, Varsha Kishore, Wei Xu, Alan Ritter·· 1 天前
DAR：用分布感知强化学习改进LLM回归
Reinforcement Learning over Predictive Distributions for LLM Regression
arXiv:2605.20740v2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：Jungsoo Park, Hyungjoo Chae, Ethan Mendes, Jay DeYoung, Varsha Kishore, Wei Xu, Alan Ritter
研究任务与主要进展
Jungsoo Park等提出Distribution-Aware Reward（DAR），用强化学习联合评估大语言模型对同一输入的多次预测所形成的预测分布。基于论文摘要，DAR通过各预测对整体分布质量的留一贡献进行奖励，在合成回归任务以及代码、分子数据任务上，相比监督微调和逐点强化学习改善了不确定性校准，并降低预测误差、提升排序质量。
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