人机反馈循环中的来源感知信念更新

研究提出 Latent Quotient Evidence Training（LQET），让语言模型依据证据来源而非报告次数更新信念。在受控二分类基准上，Qwen3-4B 与 Phi-4-mini 的新证据更新 RMSE 降低 41-44%，八轮中继后的对数几率漂移降低 89-91%，每个骨干模型使用三组配对训练种子。增益延伸到闭环模拟，模型置信度控制后续轮次中有多少中继报告重新进入上下文。