CoRA: Confidence-Rationale Alignment for Reliable Chain-of-Thought Reasoning

En 3 lignesCoRA aligne la confiance du modèle avec la qualité de ses justifications en chaîne de pensée. Un framework RLHF (GRPO) récompense conjointement la correction, la probabilité de réponse et le soutien rationnel via rubrique. Sur MedQA, MathQA, OpenBookQA : réduction de 26,51% de l'erreur d'alignement confiance-rationale.

Résumé généré par Claude — vérifié par l'humain