生态与新兴热词
RLCD（面向校准决策的强化学习）
也叫： RLCD · Reinforcement Learning for Calibrated Decisions · 校准决策强化学习
RLCD 是 TypeSafe AI 给训练 Jev 所用强化学习方法起的名字，目标是让模型输出的概率如实反映它到底有几成把握。
大多数语言模型的强化学习奖励的是“好结果”：人更喜欢的回答（RLHF），或者程序能检验的正确答案（rlvr）。这两者都没有直接教模型如何说明自己有几分把握。按 TypeSafe 的描述，RLCD 针对决策类任务优化“对认知诚实的概率”，也就是当 Jev 报出 80% 时，它应该大约有八成的情况是对的（见 calibrated-confidence）。
这对 Jev 很重要，因为它的答案是以概率形式交给软件去执行的。像“高于 0.9 就自动执行”这样的阈值，只有当 0.9 真的意味着十次里大约对九次时才有意义。
RLCD 是 TypeSafe 自己的叫法。在我们看过的发布材料里，具体的奖励设计和训练数据都没有公开，所以超出其公开目标的部分并不是公开信息。
和相关概念的区别
RLCD 与 rlvr：RLVR 奖励的是程序能验证的正确最终答案；RLCD 按 TypeSafe 的说法，奖励的是所给概率的质量，所以自信地答错，比犹豫地答错受到更重的惩罚。两者优化的对象不同，原则上可以结合。
常见误解
常被以为： RLCD 保证 Jev 给出的概率是准确的。
实际上： 这是一个训练目标，不是保证。遇到与训练数据差异很大的输入时，校准可能变差，请用你自己的标注样本检查。
常见问题
RLCD 是什么的缩写？
Reinforcement Learning for Calibrated Decisions，即面向校准决策的强化学习，是 TypeSafe AI 给 Jev 所用训练方法起的名字。
RLCD 和 RLHF 有什么区别？
RLHF 奖励人更喜欢的回答；RLCD 按 TypeSafe 的说法，奖励的是在决策任务上与实际答对频率相符的概率。
RLCD 是行业标准吗？
不是。它是 TypeSafe 自己的术语，在我们看过的发布材料里训练细节也没有公开。
最近核实： 2026-09-21