待验证50% 置信事实精确时间
经典多臂Bandit算法（如ε-greedy）假设每个臂的奖励分布独立，当动作空间组合爆炸且反馈稀疏时，独立评估每个臂的探索成本随动作数线性增长，效率急剧下降。
1
来源数
50%
置信度
长期有效
时效性
2026/10/28
首次发现
来源
涉及实体
相关事实
待验证智能体每多一轮工具调用，就多一次模型推理、一次上下文拼接和一次潜在的错误累积，延迟与token成本随之上升，因此将多次操作封装为单次原子调用可实质降低往返次数。67% 相似待验证系统实验表明移动智能体普遍容易受到多模态注入攻击，且大量失败源于推理早期的劫持而非最后的点击动作。67% 相似待验证在单智能体系统中可通过设计奖励函数和加入人类反馈（RLHF）等手段约束AI行为，但在多智能体系统中整体行为空间呈指数级膨胀，传统对齐方法有效性大打折扣65% 相似待验证Agent可能陷入无限反馈循环，反复调用同一个工具卡死，例如一个陷入循环、不断购买机票的失控AI可能在短时间内造成真实损失。65% 相似待验证子智能体并行结构提升了执行速度，但也意味着单次目标触发的实际动作可能远超用户预期65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1106190API
curl https://kongchang.com/api/v1/knowledge/claims/1106190MCP
get_claim(id=1106190)