待验证50% 置信观点精确时间
当组内奖励分布严重偏斜时，均值会被极端值拉偏，导致优势估计失真，此时中位数或截断均值可能更稳健。
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
待验证在置信度分布高度不均衡时，按比例分配相比每层等量分配显著降低了估计误差。74% 相似待验证当成功率极低时几乎所有样本奖励相同，策略梯度方差极大而信噪比极低，导致模型无法获得有效更新方向74% 相似待验证对于类别策略，随着输出分布变得越来越尖锐，其期望的 score-gradient 范数会趋近于零，使得自信但错误的 token 得到的更新最微弱74% 相似待验证百分比容差让不同量级的输入可比较，也让阈值与数值规模解耦，但代价是小数绝对值的小幅波动会被放大成高百分比，而大数值的绝对巨变可能只产生温和的百分比。72% 相似待验证测试时计算扩展的边际收益并非线性，存在明显的收益递减区间72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1109170API
curl https://kongchang.com/api/v1/knowledge/claims/1109170MCP
get_claim(id=1109170)