待验证50% 置信发布精确时间
研究者提出了 @k Adaptive Pressure for Policy Optimization（KAPPO），其工作流程包括一次性的参考校准，之后通过提示自适应正则化或奖励变换把现有 @1 方法适配到 @k。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/3
首次发现
有效期至：2027/2/1
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KL 正则化是指在优化目标中加入与参考策略的 KL 散度惩罚项，形式通常为 -β·KL(π||π_ref)，用以约束新策略不要偏离初始模型太远。71% 相似待验证现有 @k 优化方法都是各自为政的专用算法，没有一个通用框架能把成熟的 @1 策略优化方法迁移到 @k 设定上。69% 相似待验证凸优化理论中的KKT条件是理解支持向量机SVM对偶问题以及RLHF中约束优化设计的必要工具64% 相似待验证LISCO（学习型约束优化迭代求解器）学习预测原始-对偶步长，逐步逼近满足KKT最优性条件的解，而非直接预测最终控制量63% 相似待验证K因子计算公式为：K = 每个用户发出的邀请数 × 邀请转化率，当K>1时产品进入自增长状态63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130872API
curl https://kongchang.com/api/v1/knowledge/claims/1130872MCP
get_claim(id=1130872)