待验证50% 置信权衡取舍精确时间

消融实验显示增加示例使用量并不会带来一致收益，而是呈现动态性与奖励之间的权衡关系

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

GraftOOD：破解视频奖励优化中的"运动崩塌"难题

涉及实体

GraftOODconcept

相关事实

待验证研究者提出长度归一化奖励方法，即在计算奖励分数时除以回答长度，使模型无法通过单纯增加长度获取更高奖励76% 相似待验证在长轨迹场景下重试机制往往只增加开销，并不能真正改善最终产出74% 相似待验证随着模型能力提升，能力与对齐之间的张力会愈发显著，对齐失败的后果也随之放大73% 相似待验证抬高模型下限（降低犯蠢频率）不会增加潜在风险，而推高上限（提升峰值能力）必然伴随潜在危险上升72% 相似待验证斯金纳发现当奖励以不可预测的间隔出现时（变比率强化），被试会产生最顽固、最难消退的行为72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001546

API

curl https://kongchang.com/api/v1/knowledge/claims/1001546

MCP

get_claim(id=1001546)