待验证50% 置信预测精确时间

未来FADE或可扩展到更复杂的奖励结构或多模态任务中。

1

来源数

50%

置信度

长期有效

时效性

2026/11/3

首次发现

来源

FADE：解耦能力与难度的在线RLVR调度新方法

rss2026/11/2

涉及实体

相关事实

待验证奖励工程本质上是一个高度迭代的过程：设计奖励、观察行为、发现漏洞、修正奖励，反复进行73% 相似待验证循环历史能够主动扩展可用的奖励尺度70% 相似待验证NGU算法将外部奖励与两种内在奖励叠加：基于情节内新奇度的短期奖励和基于生命周期新奇度的长期奖励69% 相似待验证基于势函数的奖励塑形（potential-based reward shaping）可保证最优策略不变。68% 相似已验证奖励塑形是指在原始稀疏奖励之外加入额外的、更密集的引导性奖励信号，帮助智能体更快更正确地学习67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1130324

API

curl https://kongchang.com/api/v1/knowledge/claims/1130324

MCP

get_claim(id=1130324)