待验证50% 置信事实精确时间
统计项保留了标准Q-Learning对有效视界的四次方（quartic）依赖，该依赖此前已被证明在最坏情形下难以改进，本文结果与已有统计下界相匹配
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Q-Learning的最后迭代收敛保证在理论上长期落后于平均迭代分析，也落后于策略梯度等方法的同类结果75% 相似待验证为几个百分点的榜单差距进行定向优化是本末倒置，评估模型时不应盲目迷信榜单排名72% 相似待验证仅靠 BLEU、ROUGE 或整体准确率等聚合指标来评估上下文压缩策略是不充分的，因为它们衡量的是典型情况下的平均表现而非最坏情况的覆盖保障71% 相似待验证研究揭示LLM并不像理想的贝叶斯智能体那样根据证据可靠性进行合理加权更新，而是表现出接近分布倾斜的行为模式，其影响与证据真实可靠性的关联比贝叶斯框架预期的弱71% 相似待验证在同质缺失设定下（每个协变量以独立概率q被观测），作者给出的误差界对q呈现复杂而非标准的依赖关系70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1002188API
curl https://kongchang.com/api/v1/knowledge/claims/1002188MCP
get_claim(id=1002188)