待验证50% 置信观点精确时间

传统火箭着陆依赖精确的物理模型和人工调参，而RL可以通过大量模拟自主发现策略。

1

来源数

50%

置信度

长期有效

时效性

2026/10/20

首次发现

来源

强化学习让猎鹰9号精准着陆无人船：6700万次模拟训练

涉及实体

强化学习concept

相关事实

待验证导弹弹道计算需要模拟比例导引律等制导算法来追踪机动目标70% 相似待验证一位开发者使用强化学习在纯模拟环境中复现了猎鹰9号火箭降落在无人船上的着陆过程，未使用任何真实飞行数据。62% 相似待验证人在回路(HITL)的审批结果可同时作为RLHF训练数据，形成模型能力持续提升的飞轮61% 相似待验证指令微调和RLHF强化了模型的指令跟随倾向，使其在提升任务能力的同时更易被外部指令误导60% 相似待验证巨量的RLHF投入都用于让模型输出格式良好的结构化工具调用，形成难以逆转的惯性59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1074303

API

curl https://kongchang.com/api/v1/knowledge/claims/1074303

MCP

get_claim(id=1074303)