待验证50% 置信事实精确时间
该研究采用多智能体强化学习（MARL）作为训练框架
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证该论文选择国际象棋作为实验平台，系统性研究预训练算力分配如何影响后训练阶段的下游任务表现，并完整复现了预训练、SFT、RL三个阶段66% 相似待验证多实例学习（MIL）将每个学生表示为一个包，包内是大量弱标注的交互行为数据，强化学习智能体负责挑选最具信息量的实例供下游分类器使用66% 相似待验证研究者强调需要在训练完成后跨多个语境进行系统性的后训练对齐评估65% 相似待验证斯坦福CS146S课程讲解大模型从数据到智能体的完整训练流水线，包括预训练、监督微调、强化学习三个基础训练阶段64% 相似待验证研究者引入强化学习，使用低跳问答样本训练，并在3跳、4跳、5跳任务上评估泛化能力64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1001210API
curl https://kongchang.com/api/v1/knowledge/claims/1001210MCP
get_claim(id=1001210)