待验证50% 置信事实精确时间
离线模仿学习（行为克隆）中，当专家拥有特权信息时，以观测历史为输入、专家动作为标签的监督学习最优解是专家动作在隐藏状态后验分布下的条件期望，该平均值往往指向折中动作，丧失多模态性，无法学到探索行为。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
涉及实体
相关事实
待验证人类学习新技能依赖先验知识迁移、因果推理和高度压缩的概念表征，这种能力被认知科学称为归纳偏置73% 相似已验证与依赖标注数据的监督学习不同，强化学习不需要人工提供正确答案，而是让智能体在试错过程中自主发现最优行为路径72% 相似待验证自适应专家抑制的代价是可能误屏蔽有用专家，因此抑制策略需要足够轻量且可学习。71% 相似待验证当人为减少微调的贡献时，跨提示推理所带来的优势也大幅缩水，从因果层面支持了罕见类知识仍保留在预训练部分中的判断。70% 相似待验证Hindsight 的核心定位是'Agent Memory That Learns'——一个会随使用不断学习和进化的 Agent 记忆层70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084013API
curl https://kongchang.com/api/v1/knowledge/claims/1084013MCP
get_claim(id=1084013)