待验证50% 置信事实精确时间

奖励过于稀疏（只有终局才给分）会导致智能体很难通过随机试错获得有效梯度。

1

来源数

50%

置信度

长期有效

时效性

2026/10/26

首次发现

来源

Kaggle新手友好强化学习竞赛推荐：实战入门指南

涉及实体

奖励设计concept

相关事实

待验证斯金纳发现当奖励以不可预测的间隔出现时（变比率强化），被试会产生最顽固、最难消退的行为78% 相似已验证现实任务中的奖励往往极度稀疏且延迟，导致长时间跨度的信用分配问题使智能体难以判断哪一步动作导致最终结果77% 相似待验证基于时序差分的方法难以将稀疏的最终奖励归因到早期动作，导致学习信号极其微弱。77% 相似待验证过于稀疏的奖励会导致学习效率极低，而设计不当的奖励可能引发奖励黑客（Reward Hacking）问题76% 相似待验证稀疏奖励只在任务成功或失败时给出信号，在长时序、多阶段任务中会导致探索效率极低。76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1100161

API

curl https://kongchang.com/api/v1/knowledge/claims/1100161

MCP

get_claim(id=1100161)