**Prospective Hindsight：基于预测-现实差距的自校准强化学习**

_Prospective Hindsight: Self-Calibrating Reinforcement Learning via Prediction-Reality Gaps_

> HuggingFace 社区热门论文提出 Prospective Hindsight (PH) 训练原则，通过利用智能体行动前的预测与行动后的评估之间的差距（Surprise），识别并放大自模型不准确样本的梯度贡献。该方法无需额外目标函数，即可在优化过程中自然涌现出校准能力，有效解决单轮任务中的过度自信和多轮任务中的信心不足问题，在多种基准上提升了任务性能与校准度。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-13 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.02740)