Cohere Labs 提出 CALIBER：让模型区分解题前信心与答案可信度
Cohere_Labs · x · 2026-10-21
Cohere Labs 发布研究博客介绍 CALIBER，指出推理前后的置信度回答的是两个不同问题：推理前的信心是“我有多大把握解出这道题”，推理后的信心是“这个答案有多大可能是对的”。
研究训练模型分别估计这两种置信度，并在推理完成后修正自己的信心水平，让模型的自我评估更符合实际表现。详细内容见其博客。
所属事件:Cohere Labs 推出 CALIBER，区分解题前后两种置信度(4 条相关)→
「研究」频道最新
- Anima Anandkumar 演讲：AI 气象模型胜超算，但不会取代科学家 — AnimaAnandkumar · 2026-10-23
- GLM-5.3-Flash 实现 1M token 上下文训练，较基线提升 64 倍 — AndrewLBeam · 2026-10-23
- 作者用布尔逻辑造 LM:前向传播单线程仅需几微秒但训练极慢 — cephaloform · 2026-10-23
- AdaDex:几秒人手视频即可教灵巧手学会抓取、抛接等可泛化技能 — mangahomanga · 2026-10-23
- ReAPO 论文:RLVR 中让模型在失败后重试,推理成绩与训练效率双升 — jasondeanlee · 2026-10-23
- 首个可跑在真实量子电路上的 JEPA 世界模型 Quantum-JEPA 发布 — DrMorganLevine · 2026-10-23