[控场AI]
待验证50% 置信事实精确时间

在OSV条件下,标准RLVR会强化未被证伪的正样本,可能奖励走捷径行为,导致策略学到表面通过检查但实际错误的解。

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/1166009
API
curl https://kongchang.com/api/v1/knowledge/claims/1166009
MCP
get_claim(id=1166009)