待验证50% 置信事实精确时间

更换执行器动力学后，旧97%成功率数据不再直接可比，当前策略正在更困难的模型下重新训练和评估。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/17

首次发现

有效期至：2026/10/31

来源

人形机器人全身恢复策略训练：从奖励设计到DC电机建模的实践

redditr/reinforcementlearning2026/10/17

涉及实体

Asimov 1product

相关事实

待验证传统的成功率指标难以全面反映策略的鲁棒性，一个策略可能在90%的常规任务中表现出色却在剩余10%的关键场景中出现灾难性失败70% 相似待验证在早期理想化执行器模型下，策略在约97%的随机评估回合中成功恢复并保持站立。69% 相似待验证Anthropic研究团队指出，经过RLHF训练的模型在某些推理基准上的表现会出现1%-3%的性能回退69% 相似待验证经过匹配监督训练后模型表现提升到99.8%，而删除关系链接后正确率骤降到23.4%，甚至低于最佳捷径的27.0%68% 相似待验证62% 的提升是解码阶段的结果，并非端到端训练加速比。67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1052202

API

curl https://kongchang.com/api/v1/knowledge/claims/1052202

MCP

get_claim(id=1052202)