From the Inside Out: Progressive Distribution Refinement for Confidence Calibration
从内部出发：用于置信度校准的渐进分布细化
机构 * Southeast University（东南大学） ； Kuaishou Technology（快手科技） ； SUTD（新加坡科技设计大学）
AI总结 本文提出DistriTTRL，通过利用模型置信度的分布先验逐步优化奖励信号，解决测试时训练中内部信息不一致和奖励黑客问题，提升多模型和基准的性能。
Comments 15 pages
