待验证50% 置信事实精确时间
论文实验发现：在源基准上表现最好的监督方法，在迁移基准上未必同样最优，因此评估推理轨迹的教学效用需要考虑跨分布泛化。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
涉及实体
相关事实
待验证评估多模态嵌入训练策略必须回归统一基准与可复现条件，不同论文在各自设置下报告的提升往往难以横向比较，统一框架下的对照实验才能暴露策略的真实贡献。75% 相似待验证在训练分布内评估容易高估模型能力，分布外基准要求模型泛化到未见过的场景与交互组合，更能暴露‘看起来对’与‘物理上对’之间的落差。73% 相似待验证后训练阶段的强化学习能在分布内和分布外任务上提升解答准确率，但并不能持续改善推理轨迹的有效性72% 相似待验证参数量相似的情况下，训练数据质量分布的差异往往比架构差异更能决定特定场景的表现上限72% 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72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1064848API
curl https://kongchang.com/api/v1/knowledge/claims/1064848MCP
get_claim(id=1064848)