待验证50% 置信事实精确时间

交互引发的非平稳性破坏了MDP的平稳性假设，使基于该假设推导的收敛性保证失效

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

多智能体强化学习的非平稳性难题：PACT方法解析

涉及实体

非平稳性concept 马尔可夫决策过程concept

相关事实

待验证低对齐度不只削弱效果，而是能够反转干预方向，直接抑制概念的表达67% 相似待验证大模型答案不稳定的现象在AI研究中有时被称为立场漂移或谄媚性回应（sycophancy）67% 相似待验证提示词优化的收益受限于底层工程链路的稳定性，若接口不稳定或测试环境不可复现，提示词优化效果将无法被客观衡量66% 相似待验证研究观察到解答的正确性与推理轨迹的有效性之间存在明显的不相关性，模型经常在推理轨迹完全无效的情况下依然得出正确答案65% 相似待验证模型选择弃答（abstention）可以避开压缩失真带来的自信错误65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1005108

API

curl https://kongchang.com/api/v1/knowledge/claims/1005108

MCP

get_claim(id=1005108)