待验证50% 置信事实精确时间
离线训练的神经网络部署到闭环控制系统时，其动作会改变系统状态分布，使实际运行时的数据分布偏离训练时的离线数据分布，即分布偏移。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
涉及实体
相关事实
待验证在多智能体系统中，若训练信号混入其他追求自身指标最大化的智能体产生的人工互动，反馈分布会产生系统性偏移，与机器学习中的数据分布漂移问题相关78% 相似待验证当线上数据分布偏离训练数据时，模型性能会退化（数据漂移与模型衰减），需要触发重新训练77% 相似已验证行为克隆存在分布偏移（Distribution Shift）问题：训练时策略只接触专家轨迹覆盖的状态分布，部署时微小偏差累积会使实际访问的状态分布逐渐偏离训练分布76% 相似待验证经验回放将交互经验存入固定大小缓冲区并随机采样小批量训练，打破连续经验的时间相关性，使神经网络训练更稳定74% 相似待验证多层神经网络的损失曲面充满局部极小值和鞍点，训练需要动量、自适应学习率、正则化、批归一化等优化技巧73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042121API
curl https://kongchang.com/api/v1/knowledge/claims/1042121MCP
get_claim(id=1042121)