待验证50% 置信事实精确时间
与直接采用监督微调(SFT)后接强化学习的方法相比,评分规则引导的方法表现更优。
1
来源数
50%
置信度
长期有效
时效性
2026/11/5
首次发现
来源
涉及实体
相关事实
引用此条事实
Stable URI
https://kongchang.com/claim/1138254API
curl https://kongchang.com/api/v1/knowledge/claims/1138254MCP
get_claim(id=1138254)