待验证50% 置信事实精确时间

基于势函数的奖励塑形（potential-based reward shaping）可保证最优策略不变。

1

来源数

50%

置信度

长期有效

时效性

2026/10/13

首次发现

来源

ViSkill：用视觉原生技能强化VLM智能体

涉及实体

势函数奖励塑形concept

相关事实

待验证奖励塑形是指在原始稀疏奖励之外加入额外的、更密集的引导性奖励信号，帮助智能体更快更正确地学习73% 相似待验证为抓取成功设置门控条件（只有物体被稳定抓住时抬升奖励才生效）的层次化奖励设计可以有效避免未抓先抬的问题72% 相似待验证奖励工程本质上是一个高度迭代的过程：设计奖励、观察行为、发现漏洞、修正奖励，反复进行72% 相似待验证NGU算法将外部奖励与两种内在奖励叠加：基于情节内新奇度的短期奖励和基于生命周期新奇度的长期奖励72% 相似待验证奖励函数设计需在鼓励竞速前进与惩罚碰撞之间平衡，设计偏差可能导致智能体学出原地不动的退化策略71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1013372

API

curl https://kongchang.com/api/v1/knowledge/claims/1013372

MCP

get_claim(id=1013372)