JevCodeshamazharikh/qwen-rlcd
具体的な判断
README states: Training uses RLCD (Reinforcement Learning for Calibrated Decisions). The objective is decisions plus calibrated probabilities. TypeSafe argues that RLHF hurts calibration through sycophancy and mode dropping.
根拠リンク
https://github.com/shamazharikh/qwen-rlcd/blob/main/README.md#L160
検証ラベル
readme-claim上流プロジェクトが Jev の使用を述べていますが、呼び出し箇所は未検証です。
ラベルは根拠の種類を示すもので、評価や順位ではありません。
カテゴリ
- カテゴリ
- その他のリスト
- リポジトリ
- https://github.com/shamazharikh/qwen-rlcd
- 収録日
- 2026-10-29
- レビュー日
- 2026-10-29
このまま次のページへ
試用・ドキュメント・事例・料金はつながっています。このページから次のページへ直接進めます。
このサイトの他の入口
clavue-jev を使う
ドキュメント
- 紹介このモデルが何を解くのか。
- クイックスタート1 回の呼び出しで動く最小例。
- System One当サイトが書いた概念：状態に型付きの質問を 1 つ。モデルは clavue-jev。
- 状態判定に送るテキスト。
- 信頼度返り値の確かさ。自動実行の可否を決めるのに使う。
- Choice排他的な選択肢から 1 つ選ぶ。
- Noulはい／いいえの質問。はいの確率として返る。
- Score尺度に沿って点数を付ける。
- 意図ルーティングChoice 1 回でリクエストを下流へ振り分ける。
- 信頼度ルーティング信頼度が高ければ自動実行、低ければ人へ。
- ファンアウト1 つの状態に複数の質問を同時に投げる。
- 複合スコアリング複数のスコアを 1 つの順位にまとめる。
- HTTP APISDK を入れない場合のリクエスト形状。
- Python SDKPython から判定を呼ぶ。
- JavaScript SDKJavaScript から判定を呼ぶ。