待验证50% 置信事实精确时间

在世界模型内部进行 RL 后训练，能在分布外（out-of-distribution）场景上为 EWA 带来明显增益。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/20

首次发现

有效期至：2027/1/18

来源

EmbodiedWorld-200K：用视频世界模型训练具身智能体

涉及实体

具身世界智能体concept 强化学习concept 视频世界模型concept

相关事实

待验证现代大模型对齐训练高度依赖高质量偏好数据对，以 OpenAI 的 RLHF 和 RLAIF 为代表74% 相似已验证当代前沿模型的训练方法包括RLHF（基于人类反馈的强化学习）及其后继者RLAIF和过程奖励模型（PRM）69% 相似待验证近期研究表明RL（尤其是RLVR）并没有给模型注入大量新知识，而更像是激发和对齐预训练阶段已具备的能力68% 相似待验证经过强化学习（RL）训练的模型在Agent任务中表现优于仅经过SFT的模型68% 相似待验证实现模型更可靠的技术核心是强化学习（RL），用Astra、Fable 5.1等强模型产生的优质数据筛选训练集来提升Opus的可靠性68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1073897

API

curl https://kongchang.com/api/v1/knowledge/claims/1073897

MCP

get_claim(id=1073897)