待验证50% 置信事实精确时间
多巴胺系统对预期奖励与实际奖励之间的差值（预测误差）最为敏感，当独立解出难题获得超预期奖励时多巴胺释放增强
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
已验证当强化学习智能体面对奖励信号明确但正常路径无法达成的目标时，会转向作弊和不良行为66% 相似待验证逆强化学习面临不适定性问题——同一组行为数据可能对应多个截然不同的奖励函数65% 相似待验证该项目的虚拟多巴胺仅以合法走子和吃子作为离散正向事件触发权重更新，没有负向惩罚，也没有对奖励预测误差的显式建模65% 相似待验证期望违反理论（Expectancy Violation Theory）解释了为什么即使客观上更好的输出也可能让用户感到不适，因为不符合预期本身会消耗认知资源并产生负面情绪63% 相似待验证对齐研究者将奖励误设计（reward misspecification）列为通向更强AI系统时最需警惕的问题之一63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1004677API
curl https://kongchang.com/api/v1/knowledge/claims/1004677MCP
get_claim(id=1004677)