[控场AI]
待验证50% 置信事实精确时间

在 on-policy RL 中,如果推理阶段的计算图、算子融合顺序或累加精度与训练阶段不同,采样分布会偏离本应策略分布,导致重要性采样比率或优势估计产生系统性偏差。

1
来源数
50%
置信度
长期有效
时效性
2026/11/20
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/1190456
API
curl https://kongchang.com/api/v1/knowledge/claims/1190456
MCP
get_claim(id=1190456)