研究者预告 COLM 2026 展示三篇论文

2026 年 10 月 6 日，研究者 armancohan 预告将在 COLM 2026 会议展示三项研究工作：一是基于元认知奖励的强化学习，二是基于 rubric 奖励的 opsd，三是一个持续进化的研究智能体。其中元认知奖励方法的目标是让 LLM 的不确定性表达更加忠实。报道称，三篇论文的详细内容与会议安排将在后续推文串中公布，目前尚无更具体的方法细节、实验结果或展示时间的披露。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。