待验证50% 置信事实精确时间
Cord 将“给定提示与当前部分响应、选择一个残差系数以调制揭示顺序”建模为上下文 bandit 问题，动作空间是低维残差系数而非具体 token，奖励取自整条序列生成完毕后的序列级指标。
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ChunkAct 将动作分块从底层连续控制提升到智能体规划层，分块对象是原语调用序列，分块边界由决策点而非固定时间窗口决定65% 相似已验证RoPE（旋转位置编码）通过将位置信息以旋转矩阵形式注入注意力计算，使相对位置关系在任意序列长度下保持65% 相似待验证上下文 bandit 是强化学习中的一类序贯决策框架：智能体每轮观察上下文特征，选择一个动作并只获得即时奖励，不涉及逐步信用分配问题，也无需对价值函数做时序回溯估计。62% 相似待验证该项目将博弈问题建模为监督分类任务，神经网络输入为编码后的棋盘状态，输出为9个格子中最佳落子位置的概率分布，通过交叉熵损失学习模仿Minimax决策62% 相似待验证Packrat解析的核心思想是在解析过程中缓存每个解析器在特定输入位置的结果，使得回溯时可以直接复用缓存，从而保证线性时间复杂度。62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114435API
curl https://kongchang.com/api/v1/knowledge/claims/1114435MCP
get_claim(id=1114435)