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/1164996API
curl https://kongchang.com/api/v1/knowledge/claims/1164996MCP
get_claim(id=1164996)