rlmf

RLMF는 모델이 스스로 평가한 수행도를 학습 신호로 활용해 완료 후보의 우선순위를 강화학습 과정에서 재조정하는 방법이다. 각 완료의 advantage를 모델의 메타인지 정확도(Zg)로 스케일링하여 위주로 학습 신호를 증폭하거나 억제한다. 이 방식은 신뢰성 있는 내부 불확실성 표현(faithful calibration)을 목표로 numerical·linguistic 불확실성 정렬을 개선하는 데 중요하다.