OpenJev-RLCD：一个可用的 RLCD 实现

OpenJev-RLCD 给出了面向推理模型的校准决策强化学习（RLCD）实现：模型先采样 rationale，再用严格适当评分规则为其最终答案分布打分，并采用先校准、再强化的两阶段配方。在 Qwen3-1.7B 的两个推理任务上（3 个种子、配对检验），RLCD 准确率匹配或超过 SFT、RFT/STaR 与 GRPO，并在选择性预测上全面胜出。