待验证50% 置信事实精确时间
在稀疏奖励空间中人为构造稠密信号属于RL工程中的奖励塑形（reward shaping）范畴。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
已验证奖励塑形是指在原始稀疏奖励之外加入额外的、更密集的引导性奖励信号，帮助智能体更快更正确地学习72% 相似待验证检查点部分奖励通过在长任务中间节点设置里程碑式奖励，将稀疏信号稠密化以帮助梯度传播68% 相似待验证NGU算法将外部奖励与两种内在奖励叠加：基于情节内新奇度的短期奖励和基于生命周期新奇度的长期奖励67% 相似待验证势能奖励塑形（Potential-based Reward Shaping）由 Ng 等人在 1999 年提出：若中间奖励定义为 F(s,s') = γΦ(s') - Φ(s)，则最优策略不会因塑形而改变。66% 相似待验证在单智能体系统中可通过设计奖励函数和加入人类反馈（RLHF）等手段约束AI行为，但在多智能体系统中整体行为空间呈指数级膨胀，传统对齐方法有效性大打折扣65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073147API
curl https://kongchang.com/api/v1/knowledge/claims/1073147MCP
get_claim(id=1073147)