待验证50% 置信权衡取舍精确时间
冻结世界模型训练策略的代价是：如果世界模型本身有偏差，策略会针对偏差过拟合，即出现'模型利用'（model exploitation）现象。
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
待验证基于世界模型的规划分为两类：模型预测控制（MPC）和在模拟中训练策略73% 相似待验证在推理阶段模型权重是冻结的，模型只是在管理上下文，而非把当下经验转化为持久的模型知识72% 相似待验证领先模型若被用于生成训练数据，可能将自身偏差系统性地传递给下一代，即'模型坍塌'风险71% 相似待验证Dreamer的策略学习采用Actor-Critic框架：Actor根据想象出的潜在状态s_t输出动作分布，Critic估计该状态的价值；梯度通过世界模型的潜在轨迹回传，但世界模型参数通常被冻结以避免策略优化信号污染世界模型的学习目标，从而保持训练稳定。71% 相似待验证模型漂移指模型上线后由于真实世界数据分布变化导致预测性能随时间下降的现象，应对手段包括持续监控、性能告警阈值和定期或触发式再训练。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1011066API
curl https://kongchang.com/api/v1/knowledge/claims/1011066MCP
get_claim(id=1011066)