arXiv · cs.AI · Zhimin Gao, Meibo Hu, Jiamian Wang, Zhiqiang Tao, Pichao Wang · 10 小时前模型评分33
PRDO：面向推理模型选择性预测的推理后分布优化
Beyond Outcome Rewards: Post-Rationale Distribution Optimization for Selective Prediction in Reasoning Models
导读
研究者提出推理后分布优化（PRDO，Post-Rationale Distribution Optimization），在每个采样推理链之后对答案分布施加恰当评分，无需目标推理链或单独置信度标签。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce Post-Rationale Distribution Optimization (PRDO), which applies a proper score to the answer distribution after each sampled rationale, without target rationales or separate confidence labels.”
来源：arXiv · cs.AI · arxiv.org