arXiv · Machine Learning· YaJie Yin·· 10 小时前AI 评分54
《缺少形式化答案时的可训练边界保持》研究奖励训练对证据充分性判断的影响
Trainable Boundary-Keeping Where No Formal Answer Exists: A Controlled Knock-In Study of Reward Training in Evidence-Sufficiency Judgment
AI 导读
这项受控的 14B 同系列研究发现，SFT 后接 GRPO 的边界保持训练使模型在证据不足时自发正确拒答率从 25%升至 100%，每组 40 个样本。对 281 条表述完整的主张，自动评估的错误拒答率为 1.1%；研究同时观察到主动数值或计算核查仍接近于零。作者指出，结果限于该受控实验，评分来自模型会话，并非人类专家验证。
来源：arXiv · Machine Learning · arxiv.org