待验证50% 置信解决方案精确时间
在GRPO中,当发现训练不稳定或优势估计异常时,可以检查组内奖励的偏度和方差,判断均值是否被极端值主导。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/28
首次发现
有效期至:2027/1/26
来源
涉及实体
相关事实
引用此条事实
Stable URI
https://kongchang.com/claim/1109173API
curl https://kongchang.com/api/v1/knowledge/claims/1109173MCP
get_claim(id=1109173)