SIF：选择性内部反馈强化学习方法

2026年10月16日，arXiv Artificial Intelligence 刊出 Xun Lu 等作者的论文，提出一种名为 SIF 的强化学习方法。据该报道，SIF 将比较式奖励构建与选择性策略更新相结合：通过比较多个窗口与同伴的 token 级自置信度排序，仅在两层投票均获得足够支持时才给予正奖励，并用样本与组级过滤决定哪些回答参与策略优化。报道称该方法旨在让语言模型学会推理。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

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。