SAP 提出结局导向置信校准：让 Agent 预知任务失败，AUROC 达 0.85

SAP 研究者提出「结局导向」的置信度校准方法，让 LLM agent 每一步预测整个多步任务最终能否成功，而非只校准当前单步决策。在 GRPO 框架下用 Qwen2.5-7B agent 离线 RL 训练后，逐步置信度对 episode 结局的 AUROC 从接近随机升至 0.68-0.85，置信度 top-10% 步骤的成功率约为平均的 4.3 倍。