待验证50% 置信基准精确时间

在DoorKey环境中，对每次重置操作施加0.1的成本后，所有种子都恢复了任务求解。

1

来源数

50%

置信度

长期有效

时效性

2026/11/3

首次发现

来源

有界奖励反成陷阱：强化学习中的Wireheading现象

涉及实体

相关事实

待验证在DoorKey环境中，开启优势归一化后，仅用任务奖励时20个种子解出11个，加入可篡改满足信号后仅1个解出。71% 相似待验证对于没有幂等键的外部工具，失败后的第二次运行就是真实重放，目标系统会收到两次调用。59% 相似待验证在TheYgent持久化运行时中，已完成的步骤是精确一次（恢复时从日志重放而不重新执行），崩溃时正在执行的步骤是至少一次，因此HTTP工具支持幂等键。59% 相似待验证只要WAL已落地到多数Safekeeper节点，即使计算节点崩溃，重启后仍可从Safekeeper恢复所有已提交事务，从而满足持久性58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1129196

API

curl https://kongchang.com/api/v1/knowledge/claims/1129196

MCP

get_claim(id=1129196)