待验证50% 置信事实精确时间
DreamTrue 的奖励模型训练数据集涵盖机器人缺陷（如关节异常、本体穿模）、物体缺陷（如物体凭空消失或形变错误）和交互缺陷（如手物接触点错位、穿透）三类问题，并经过人工标注。
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
待验证过拟合是LoRA训练中最常见的失败模式，模型会死记硬背训练图像像素特征而非学习本质特征68% 相似已验证强化学习通过在仿真环境中海量试错学习运动技能，奖励函数包含能量效率等指标，使机器人动作趋向省力流畅，从而呈现拟人化特征65% 相似待验证AI对齐问题的多阶段训练每个环节都可能引入风险,包括预训练数据偏见、标注员主观偏差、奖励模型近似不完美及PPO奖励过度优化65% 相似待验证排查模型训练失败应按照数据管线、训练过程、评估指标三层顺序逐步定位问题64% 相似待验证能力评估方法分为三类：基准测试（Benchmarks）、场景模拟（Scenario-based Evals）以及人机协作评估（Human-AI Uplift Evals）64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1012821API
curl https://kongchang.com/api/v1/knowledge/claims/1012821MCP
get_claim(id=1012821)