待验证50% 置信观点精确时间
贾萧松认为如果训练仍以模仿学习为主，换架构并不能绕开模仿学习的固有问题；有价值的方向包括筛选有价值的数据、超越暴力模仿学习、设计更有效的奖励信号、让模型同时强化学习成千上万个技能。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/19
首次发现
有效期至：2027/1/17
来源
涉及实体
相关事实
待验证与传统强化学习相比，模仿学习通常只需几十到几百条演示轨迹就可能让机械臂学会抓取与放置，而强化学习通常需要在仿真环境中定义奖励函数并让智能体反复试错，样本量动辄百万级。75% 相似待验证这种运动学先验在强化学习和模仿学习两种训练范式下都会出现，可能反映了与人形具身形态相关的共性知识，而非某种优化过程特有的产物。74% 相似待验证行为克隆预训练解决了强化学习的冷启动问题：纯强化学习在稀疏奖励环境中往往需要数亿次交互才能学到基本可用策略74% 相似待验证有效的强化学习训练需要维持一定的错误率，让模型处于努力才能答对的区间，这与教育心理学的最近发展区（Zone of Proximal Development）概念一致73% 相似已验证强化学习训练是模型从通用语言能力迈向精准任务执行的关键阶段，在大规模预训练之后通过强化学习进一步优化推理、规划和指令遵循能力72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1065563API
curl https://kongchang.com/api/v1/knowledge/claims/1065563MCP
get_claim(id=1065563)