[控场AI]
待验证50% 置信事实精确时间

将概率作为损失并通过路径导数进行优化可以避免REINFORCE奖励导致的性能崩溃;使用REINFORCE奖励r或r减去p也能达到类似效果。

1
来源数
50%
置信度
长期有效
时效性
2026/11/13
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/1164996
API
curl https://kongchang.com/api/v1/knowledge/claims/1164996
MCP
get_claim(id=1164996)