Jev 是否在隐式学习价值函数？RL 校准与双系统决策探析

围绕 Jev 现象，Souradip Chakrabarti 提出模型可能在隐式学习价值函数：能否直接选出答案却不确定对错，决定 agent 何时快速行动、何时切换到更深推理，校准是关键。他指出 RL 中最大化期望奖励并不保证校准良好的概率，模型可能"不知道自己不知道"。他还提出 agent 任务中预测最终成功本质是预测 Q 函数，价值预测或可构建校准的 System 1。