待验证50% 置信事实精确时间
探索与利用（exploration vs. exploitation）是RL区别于监督学习的核心难题：智能体需要在尝试新动作以获取信息和利用已知最优动作获取奖励之间权衡。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
涉及实体
相关事实
待验证探索与利用（exploration vs exploitation）的平衡是强化学习的核心矛盾之一76% 相似已验证强化学习的核心挑战在于探索-利用权衡，智能体需要在利用已知有效策略与探索未知可能性之间找到平衡73% 相似待验证多臂老虎机问题的核心挑战在于探索与利用（exploration vs. exploitation）的平衡69% 相似待验证RLHF面临奖励模型被游戏化（reward hacking）、人类偏好标注不一致、以及训练过程不稳定等挑战，这也是Anthropic提出Constitutional AI作为补充方案的动因之一64% 相似待验证在持续学习下，策略可能通过在线RL学到大量规避知识，扰动幅度远超控制评估假设，导致原本通过评估的协议失去意义。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102859API
curl https://kongchang.com/api/v1/knowledge/claims/1102859MCP
get_claim(id=1102859)