复旦博士张迪的文章：什么是 RLCD？Jev 背后的秘密
文章介绍 Jev 背后的（可能的）数学原理：从偏好建模到概率校准
地址：di-zhang-llm.github.io/blog/what-is-rlcd-the-secret-behind-jev/

作者认为，Jev 是把传统的 Reward Model（奖励模型）直接做成了产品：输入状态和候选动作，直接输出经过校准的决策概率。RLCD 则是它背后的训练思想。
RLCD≈多选偏好建模+概率校准