CARE-PPO

新的RL框架CARE-PPO增强了LLM在量化预测中的置信度

研究人员开发了CARE-PPO，这是一个新的强化学习框架，旨在提高大型语言模型（LLM）在量化预测任务中的可靠性。该框架旨在通过联合学习准确的数值估计和置信度信号来减少幻觉和过度自信的错误。CARE-PPO在医疗保健和金融任务上表现出色，利用了Qwen 3模型的两个尺度，并且与现有基线相比，即使在分布外场景中，也能产生更一致的置信度估计。