DAR用预测分布奖励改进LLM回归

Jungsoo Park等提出分布感知奖励（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及其整体分布。基于论文摘要，DAR按各预测对分布质量的留一贡献给予奖励；在合成回归、代码和分子数据任务中，相比监督微调与逐点强化学习，改善了不确定性校准，并降低预测误差、提升排序质量。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。