待验证50% 置信事实精确时间

标准强化学习算法根据时间上的邻近性而非明确的相关性来传播奖励，导致时间上遥远但起决定性作用的早期动作其学习信号被严重衰减

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

解释性世界模型EWM：用因果解释破解强化学习的延迟奖励难题

涉及实体

强化学习concept 信用分配concept

相关事实

待验证学习法在标注数据充足时能取得很强的性能，但在面对域偏移时鲁棒性显著下降78% 相似待验证用时间差表达模型能力差距相比单纯的基准分数更容易被理解和传播73% 相似待验证主动进行破坏性实验（如故意打乱标签、移除归一化、调大学习率至发散、减少训练数据）可以加速建立机器学习直觉72% 相似待验证余弦退火学习率调度可能帮助模型突破损失平台期，避免陷入局部最优71% 相似已验证梯度下降是机器学习中最核心的优化算法，学习率过大会导致震荡、过小则收敛缓慢71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001107

API

curl https://kongchang.com/api/v1/knowledge/claims/1001107

MCP

get_claim(id=1001107)