logprobs在一致性奖励中起什么作用？

Question

Accepted Answer

考察点：考察对LLM训练中logprobs语义及一致性奖励机制的理解。回答思路：说明logprobs表示生成token的对数概率 解释一致性奖励如何基于概率置信度进行加权或筛选 区分token级与序列级的logprobs聚合方式 说明logprobs对奖励稳定性与收敛方向的影响

考察说明