待验证50% 置信事实精确时间

ClueFlow的归因机制在SFT阶段决定哪些决策应被监督，仅对与金标准一致的状态变化及其原始交互上下文进行学习。

1

来源数

50%

置信度

长期有效

时效性

2026/10/20

首次发现

来源

ClueFlow：用归因状态转移破解长程搜索难题

涉及实体

ClueFlowconcept SFTconcept

相关事实

待验证ClueFlow将信用分配从轮次粒度下沉到状态变化粒度，使模型学习哪类证据获取动作导致哪类状态演进。71% 相似待验证SFT 冷启动指的是在强化学习之前，先用监督微调让模型具备基本的目标行为模式，以避免 RL 从零探索时奖励信号极度稀疏的问题。66% 相似已验证领域微调通常先通过监督微调（SFT）注入领域知识，再经过基于人类反馈的强化学习（RLHF）对齐用户偏好65% 相似待验证KITE把关键层作为自回归潜在推理的入口点，接收方从该层开始展开后续推理63% 相似已验证监督微调（SFT）使用'提示-回答'示例对模型进行训练，让模型学会以对话形式响应，从而使输出更连贯62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1073981

API

curl https://kongchang.com/api/v1/knowledge/claims/1073981

MCP

get_claim(id=1073981)