待验证50% 置信事实精确时间

AtomicRL的真实世界平均21.3%的提升依赖于Real2Sim2Real迁移流程的有效性，而仿真基准上的提升则主要来自SAPO和BATE对信用分配与探索的改进，两者贡献来源不同。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/22

首次发现

有效期至：2027/1/20

来源

AtomicRL：原子强化学习破解长程机器人操作难题

涉及实体

AtomicRLconcept Real2Sim2Realconcept SAPOconcept BATEconcept

相关事实

待验证结合Real2Sim2Real流水线后，AtomicRL在真实世界任务性能平均提升21.3%。78% 相似待验证在64倍压缩下，AdaMem平均相对增益扩大到14.6%，在PopQA数据集上最高提升9.8个百分点（19.7%）56% 相似待验证AQuA混合模型相比GRU基线的约0.023 IC差距对应约37%的相对提升56% 相似待验证据Bain & Company 2024年报告，采用AI原生GTM策略的B2B公司销售代表人均产出平均提升30-50%54% 相似待验证将概念表示注入DFlash2的草稿模型能将平均接受长度提升4.17%54% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1083969

API

curl https://kongchang.com/api/v1/knowledge/claims/1083969

MCP

get_claim(id=1083969)