待验证50% 置信事实精确时间
标准的 @1 目标（如常见的 RLHF/PPO 单样本优化）只关心单次采样的期望奖励，容易把概率质量集中到少数高置信解上，从而压缩探索空间。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
KAPPO：用@k优化控制LLM后训练中的锐化效应
rss2026/11/2
涉及实体
相关事实
待验证零样本分类的所有候选项得分之和为 1，候选项越少各项可获得的概率空间越大，因此阈值参数需根据具体类别数量单独校准72% 相似待验证杠杆兼容性假设要求采样分布与目标函数在特征空间中的重要方向保持一致，以避免极端采样偏差导致近似误差爆炸。70% 相似待验证概率聚焦搜索(PFS)以概率p遵循FS的启发式引导选择，以概率1-p扩展OPEN列表中f值最小的节点70% 相似待验证单个Prompt中包含的独立需求点越多，模型遗漏或错误实现某些需求的概率呈非线性增长，MVP策略通过缩小模型决策空间提高可靠性70% 相似待验证RLHF存在奖励过优化（reward over-optimization）风险，模型可能学会取悦人类标注者的表面偏好而非真正提升准确性或安全性70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130868API
curl https://kongchang.com/api/v1/knowledge/claims/1130868MCP
get_claim(id=1130868)