待验证50% 置信事实精确时间
单次补全训练是指在每次策略更新时,对每个提示只采样一条补全,却通过奖励变换或正则化设计来模拟 @k 目标的学习压力。
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
引用此条事实
Stable URI
https://kongchang.com/claim/1130876API
curl https://kongchang.com/api/v1/knowledge/claims/1130876MCP
get_claim(id=1130876)