Fastino 提出 RLCD 后训练方法：让模型 90% 置信就真有 90% 正确率

Fastino 在博客中给出的 RLCD（Reinforcement Learning for Calibrated Decisions）后训练技术，同时奖励「决策正确」与「不确定性表达准确」，使模型 90% 置信对应 90% 正确率。