置信度校准

研究者提出 Critic Experience Bank 框架，让大语言模型智能体能够基于历史执行反馈自我进化，显著提升单步行动置信度评估的准确性和校准度。

研究团队针对QANTA 2026多模态问答挑战赛开发了任务专用双智能体架构，通过置信度校准与增量推理策略，在资源受限环境下实现了0.402的领先成绩。

研究者提出C3RL强化学习算法，解决大模型在强化学习训练后自信度与准确性脱钩的问题，并基于校准后的自信度开发动态推理策略CAS，最高可减少12倍计算开销。