待验证50% 置信事实精确时间
GFlowNets按比例采样而非最大化奖励，因此即使奖励代理的样本外准确性较低，模型仍能保持广泛的探索性，对奖励代理不完美具有鲁棒性。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
涉及实体
相关事实
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% 相似待验证领域专家盲测认为 CollabSciReM 在新颖性上显著优于通用奖励变体，且报告的幻觉回答更少。70% 相似待验证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。67% 相似待验证在合成实验中，“始终输出 RISK_LEVEL: 1”的普通准确率高达 0.922，但平均奖励为 −0.000，说明类别平衡奖励能防偷懒。65% 相似待验证输出质量的一致性在benchmark分数上往往难以体现，一个平均分高但偶发严重错误的模型在某些业务场景下的风险高于稳定但稍弱的模型64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1113771API
curl https://kongchang.com/api/v1/knowledge/claims/1113771MCP
get_claim(id=1113771)