RLCD 用强化学习校准模型决策置信度

Fastino 博客介绍 RLCD（面向校准决策的强化学习）后训练方法，通过同时奖励决策正确和不确定性表达准确，使模型给出的概率更贴近实际正确率。 该方法收集结果已知的样本，让模型生成概率分布，再依据 Brier score 更新策略，并在未见数据和部署数据上验证及再校准。经过校准的概率可用于区分可自动化的决策与需转交人工审核的不确定样本。

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。