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