COLM 2026 论文 RL with Confidence Margin：让置信度逐步追踪推理正确性

入选 COLM 2026 的论文提出 RL with Confidence Margin，研究模型置信度能否随推理轨迹逐步展开、一步步追踪每一步推理的正确性。作者指出，TypeSafe 的 Jev（用 RLCD 训练）已能为快速结构化决策给出校准概率，该工作则进一步聚焦推理过程本身。论文详情以推文线程形式给出。