待验证50% 置信事实精确时间
论文第二阶段采用Lifecycle-Aware Backtrackable Policy Optimization,动态评估每个辅助奖励信号对最终评估目标的实际贡献,并据此决定是否退休某些奖励项。
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/1165093API
curl https://kongchang.com/api/v1/knowledge/claims/1165093MCP
get_claim(id=1165093)