RLMF方法提升LLM不确定性表达

2026年10月15日，arXiv Artificial Intelligence 刊出 Gabrielle Kaili-May Liu 等作者的论文，提出基于元认知反馈的强化学习（RLMF）方法。据该报道，RLMF 依据模型对自身表现的自评质量来优化偏好学习中的完成排序，并配合元认知数据选择机制，利用类似自评筛选高价值训练样本，报道称其优于朴素主动学习。在忠实校准任务上，报道称 RLMF 取得可泛化的 SOTA 表现且保持准确率，较标准 RL 提升最高 63%，同时增强模型评估和表达自身能力边界的能力。目前该事件仅有这一篇报道，尚无后续跟进或相互矛盾的说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。