热点事件持续更新
OpenJev-RLCD：推理模型校准决策RL实现
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月1日，arXiv cs.AI 报道了 OpenJev-RLCD，给出了面向推理模型的校准决策强化学习（RLCD）实现。其做法是：模型先采样 rationale，再用严格适当评分规则为最终答案分布打分，训练采用“先校准、再强化”的两阶段配方。在 Qwen3-1.7B 的两个推理任务上，以 3 个种子进行配对检验，RLCD 的准确率匹配或超过 SFT、RFT/STaR 与 GRPO 三种基线，并在选择性预测上全面胜出。报道未提及该实现与其他 RLCD 版本的具体差异，也未给出其他模型规模或任务上的验证结果。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv cs.AIOpenJev-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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。