arXiv · Artificial Intelligence· Zhimin Gao, Pichao Wang·· 2 小时前精选AI 评分62
OpenJev-RLCD：面向推理模型的校准决策强化学习实现
OpenJev-RLCD: A Working RLCD Implementation
AI 导读
作者提出 OpenJev-RLCD，一种对推理模型进行校准决策的强化学习实现：模型先生成理由，再用严格真确评分规则对答案分布打分。实验基于 Qwen3-1.7B，在两个推理任务上 RLCD 在准确率和选择性预测上匹配或优于 SFT、RFT/STaR 与 GRPO；GSM8K 答案验证中单次查询可覆盖约 80% 项目且误差不超过 5%。代码与结果已开源。
推荐理由
论文给出 RLCD 的两阶段实现与 GSM8K 上的可复现结果，读者可据此判断校准式强化学习是否值得替代现有 RLVR 方法。
来源：arXiv · Artificial Intelligence · arxiv.org