待验证50% 置信事实精确时间
使用修正后的score，期望梯度中的漂移项将完全抵消，只剩下协方差项（学习信号）。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
Hugging Face Journal Club：Score Centering如何稳定离线强化学习
youtubeHugging Face2026/10/26
涉及实体
相关事实
已验证梯度下降通过沿着损失函数梯度的反方向迭代调整权重使预测误差逐步收敛78% 相似已验证几何变换后必须记录变换参数并对预测框进行逆变换对齐，忽略该步骤会导致一致性损失语义错位而损害训练效果75% 相似待验证稀疏奖励加上长时间跨度使得基于梯度的优化信号在反向传播过程中大幅衰减73% 相似待验证不要把被阻断轨迹排除在训练之外，因为过滤掉被阻断轨迹仍然是在选择通过规避监控器获得高奖励的轨迹，隐含地反向选择被阻断轨迹，由于softmax性质，提高规避概率必然以降低非规避概率为代价。71% 相似待验证间接因果链中把三步压缩为一步会丢失中间变量，导致预测失效，例如增加评论后短期内索引状态不变便误判为无因果。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1101000API
curl https://kongchang.com/api/v1/knowledge/claims/1101000MCP
get_claim(id=1101000)