研究人员开发了一种新颖的奖励机制，用于使用强化学习训练概率预测模型。这种新方法在 NFL 比赛中的胜率预测上进行了测试，旨在通过使用从过去结果派生的状态条件经验胜率来提高校准性，而不是依赖于嘈杂的单一结果奖励。该方法成功地训练了一个 7B 模型，使其校准性与博彩市场相当，并在校准性上超越了零样本前沿模型，同时保持了具有竞争力的 Brier 分数。 AI
影响 引入了一种新的概率预测模型训练方法，有可能提高实际应用中的准确性和校准性。
排序理由 详细介绍 AI 模型新训练方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
