RLEC论文提出显式置信度控制方法

论文提出 RLEC，通过保留区分不同置信度目标的学习信号、设计稳定奖励族和使用奖励调度，使单个大语言模型能够根据提示中的目标置信度选择回答或拒答。该方法在不同基准和模型规模上进行了实验，在保留通用能力的同时取得了有竞争力的校准表现，并支持训练后无需外部决策系统或阈值校准的细粒度目标控制。