热点事件持续更新
OpenJev-RLCD：面向推理模型的校准决策强化学习实现
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
作者提出 OpenJev-RLCD，一种对推理模型进行校准决策的强化学习方法：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。
AI 根据报道生成 · 1 小时前更新
最新进展10月1日 12:00
作者开源了 OpenJev-RLCD 的代码与实验结果。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · Artificial Intelligence精选OpenJev-RLCD：面向推理模型的校准决策强化学习实现
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。
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。