待验证50% 置信事实精确时间
失败回放机制只有在以“步数”而非“对局数”衡量时才有效；第一版回放了四分之一的新对局，但回放数据不到训练总量的 1%。
1
来源数
50%
置信度
长期有效
时效性
2026/10/29
首次发现
来源
涉及实体
相关事实
待验证从模型无约束采样八个候选时，训练数据有限情况下有10.2%的输入无法产生任何有效输出，使用全量训练数据时该比例降至0.4%77% 相似待验证CLM训练中仅预训练在困难负样本测试上得52%，加上困难负样本阶段跳升到69%；若从第一天就用困难负样本训练则峰值只有62%且很快过拟合；缺少重放会使困难负样本分数从69%跌回56%75% 相似待验证更换执行器动力学后，旧97%成功率数据不再直接可比，当前策略正在更困难的模型下重新训练和评估。73% 相似已验证使用LoRA微调时，实际需要训练的参数量只有原来的0.1%-1%72% 相似已验证ReAct的误差会链式放大：若每步准确率为p，经过n步后整体成功率约为p的n次方，单步95%准确率经过10步后整体成功率约降至59.9%，20步后仅剩35.8%71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1112527API
curl https://kongchang.com/api/v1/knowledge/claims/1112527MCP
get_claim(id=1112527)