RLCD

带校准决策的强化学习（Reinforcement Learning for Calibrated Decisions，RLCD）是一种专为决策与分类模型设计的强化学习训练方法。与面向对话生成、优化人类主观偏好的 RLHF 不同，RLCD 专注于概率分布的数学校准，使模型输出的置信度严格对应实际判定正确率，确保下游软件系统能够安全设立判定阈值。