待验证50% 置信观点精确时间
真正的通用化改进应当同时提升多个任务的表现,并且不能以牺牲未参与训练的任务为代价。
1
来源数
50%
置信度
长期有效
时效性
2026/11/5
首次发现
来源
强化学习解锁通用机器人策略的多任务自我进化
rss2026/11/4
涉及实体
相关事实
待验证实现通用化改进的两个关键因素是训练任务分布和价值型强化学习的使用。78% 相似待验证实验表明,通用策略不仅能在多样任务上实现在线改进,而且正确的配方还能带来泛化——在在线训练中未涉及的任务上性能也能提升。73% 相似待验证共享底层特征提取层并在顶部分出两个输出头的多头联合训练方式几乎不会有灾难性遗忘,因为两项任务是同时优化的73% 相似待验证具备自我改进能力的系统理论上可在无需大规模重新训练的前提下,通过运行时的迭代逐步提升表现71% 相似待验证双射任务并不均匀地比非双射OOD任务更难,甚至与最终评估的非双射OOD任务相距更远,但协同训练仍然有效,这违背了“越接近评估任务越有帮助”的直觉。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1138916API
curl https://kongchang.com/api/v1/knowledge/claims/1138916MCP
get_claim(id=1138916)