待验证50% 置信事实精确时间
Marvo的边际奖励（Margin Reward）定义为求解者在使用工具和不使用工具两种情况下的表现差异。
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Marvo是一种从无标注图像中自进化的视觉Agent训练方法，让Agent在没有任何人工监督的情况下学会有效调用工具。63% 相似待验证Marvo的提升并非来自更多标注数据或更大模型，而是来自训练信号的设计。63% 相似待验证Marvo的设计降低了自博弈中容易出现的模式崩溃或难度失控风险，使训练更稳定可控。62% 相似待验证奖励塑形指在稀疏原始奖励外额外设计辅助奖励项以引导策略，能加速收敛，但若辅助奖励与最终目标不一致，策略可能刷分而不真正提升胜率；实践中常乘较小权重并在训练后期衰减。59% 相似待验证当边际奖励为正时，说明工具确实带来了增益，该题目为有价值的训练样本；当差异为零或负时，题目训练价值有限。56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1028722API
curl https://kongchang.com/api/v1/knowledge/claims/1028722MCP
get_claim(id=1028722)