待验证50% 置信事实精确时间
PPRS（进度势能奖励塑形）基于势能函数 Φ 的潜在增量计算每步奖励，属于 Ng 等人 1999 年证明的势能塑形框架的具体实例，满足奖励塑形不变性。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证基于势函数的奖励塑形（potential-based reward shaping）可保证最优策略不变。64% 相似待验证作者将同一调度器应用于动态势能搜索得到概率动态势能搜索(PDPS)，其共同成功效应取决于具体领域和界限设置，并非在所有情况下都稳定生效62% 相似待验证模型在PPO优化中通过增加输出长度获取更高奖励的现象被称为reward hacking（奖励攻击）62% 相似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61% 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61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1024906API
curl https://kongchang.com/api/v1/knowledge/claims/1024906MCP
get_claim(id=1024906)