待验证50% 置信基准精确时间

在 ViZDoom-10 和 GameWorld 上，强化学习后的模型优于纯 SFT 版本。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/15

首次发现

有效期至：2027/1/13

来源

Player-1：用合成经验教会AI打游戏

rss2026/10/14

涉及实体

Player-1product ViZDoom-10concept GameWorldconcept

相关事实

待验证后训练通常涵盖监督微调（SFT）、强化学习对齐（RLHF/RLAIF）以及领域适配微调，视觉推理模型还涉及视觉指令微调59% 相似待验证SFG是一个无需重新训练模型、即插即用的改进范式58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1037958

API

curl https://kongchang.com/api/v1/knowledge/claims/1037958

MCP

get_claim(id=1037958)