University of Pennsylvania（宾夕法尼亚大学）

Beyond Post-Hoc Temperature Scaling: Bilevel Optimization for LLM Calibration

超越事后温度缩放：用于大语言模型校准的双层优化方法

Ruochen Jin, Zhanliang Wang, Zongyu Dai, Jiancong Xiao, Bojian Hou

机构 * Dartmouth College（达特茅斯学院） ； University of Pennsylvania（宾夕法尼亚大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 针对LLM偏好对齐导致的过度自信与校准问题，提出基于双层优化的校准方法，通过最大化预测分布熵实现，在多项选择与开放式问答任务中提升了校准效果与域外泛化能力。

Comments Third Conference on Language Modeling (COLM 2026)

Robust Average-Reward Markov Decision Processes: Minimax-Optimal Learning via Plug-in Reductions

鲁棒平均报酬马尔可夫决策过程：通过插件约简实现极小极大最优学习

Yuepeng Yang, Yuxin Chen, Yuejie Chi

机构 * Yale University（耶鲁大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 该研究针对平均报酬准则下的分布鲁棒马尔可夫决策过程，推导了极小极大最优样本复杂度界，并提出两种插件约简学习程序以实现该复杂度。