arXiv预注册研究：奖励训练可使模型学会证据充分性拒答
热点事件持续更新
arXiv预注册研究：奖励训练可使模型学会证据充分性拒答
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
YaJie Yin发布预注册对照实验论文（arXiv:2610.35226），在证据充分性判断这一无正确性奖励的领域，比较SFT+GRPO的边界保持训练与乱序配对安慰剂及通用推理模型。结果显示，受训组的自发正确拒答率从25%升至100%（每组40例，Wilson 95%置信区间下限91.2%，与基线区间不重叠）。
AI 根据报道生成 · 49 分钟前更新
最新进展10月27日 12:00
在无形式化答案领域训练“边界保持”能力：证据充分性判断中奖励训练的对照 knock-in 研究报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AI在无形式化答案领域训练“边界保持”能力：证据充分性判断中奖励训练的对照 knock-in 研究
一项预注册的同基座 14B 对照 knock-in 研究测试了无正确性奖励领域的证据充分性判断，比较 SFT+GRPO 的边界保持方案、乱序配对安慰剂与通用推理模型。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。