[控场AI]
待验证50% 置信事实精确时间

PSGAgent采用两阶段训练流程:第一阶段构建错误感知的多模态思维链(M-CoT)数据集进行冷启动学习;第二阶段使用分层奖励机制结合组序列策略优化(GSPO)学习工具使用策略。

1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/6
首次发现
有效期至:2027/2/4

来源

涉及实体

相关事实

引用此条事实

Stable URI
https://kongchang.com/claim/1141782
API
curl https://kongchang.com/api/v1/knowledge/claims/1141782
MCP
get_claim(id=1141782)