待验证50% 置信观点精确时间
FSPO的思路与经验回放（experience replay）有精神上的相似之处，但操作的是策略分布而非状态转移。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
FSPO：函数空间时序自蒸馏，让策略优化更稳更省
rss2026/10/14
涉及实体
相关事实
待验证FMOS 的自进化特性借用人类大脑双系统理论作类比，能基于运行中的实际经验持续自我调整策略63% 相似待验证模型的承诺和记忆写入并不改变其底层概率分布，其反思本质上只是生成符合对话预期的文本，而非真正更新行为策略，因此可能重复同样的错误63% 相似待验证FSPO（Function-Space Policy Optimization）提出在训练过程中稀疏存储历史策略在特定输入下的next-token分布，作为固定的时间锚点目标，而非维护持续更新的教师模型。63% 相似待验证混合模型的竞争正在从'架构设计'转向'推理工程'，ReplaySSM 代表了一类不改变模型本身、通过重新思考状态管理来释放性能的优化方向。62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1037333API
curl https://kongchang.com/api/v1/knowledge/claims/1037333MCP
get_claim(id=1037333)