待验证50% 置信观点精确时间
当前NTP+RL范式存在三个机制缺口：目标生成的缺失、具身与交互的缺失、持续学习的缺失。
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
待验证赫布学习和竞争学习的共同局限在于缺乏明确的优化目标，难以针对下游任务进行端到端调优，通常用于特征提取和表示学习67% 相似已验证知识内化到模型参数的核心挑战在于灾难性遗忘（Catastrophic Forgetting）问题，这是持续学习领域尚未完全解决的难题64% 相似待验证该现象的核心解释是任务互补性：当新任务与原有知识不存在明显冲突甚至相互强化时，持续学习所依赖的前提不成立，强行施加正则化约束反而起反作用64% 相似待验证分布外泛化失败是当前监督学习范式的固有局限，增加人工复核无法根本解决64% 相似待验证现有基于组相对优势的 RL 方法在从奖励到参数更新的修正链条上存在两个薄弱环节：rollout 阶段的优势坍缩和优化层面的梯度不可见64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1010231API
curl https://kongchang.com/api/v1/knowledge/claims/1010231MCP
get_claim(id=1010231)