armancohan 预告 COLM 2026 将展示元认知奖励 RL 等三篇论文

研究者 armancohan 预告将在 COLM 2026 会议展示三项研究工作：基于元认知奖励的强化学习、基于 rubric 奖励的 opsd，以及一个持续进化的研究智能体。其中元认知奖励方法旨在让 LLM 的不确定性表达更加忠实。三篇论文的详细内容与安排将在后续推文串中公布。